Automação e novas tarefas

As implicações da mudança tecnológica para o emprego e os salários são fonte de controvérsia. Alguns veem o processo em curso de automação — exemplificado por máquinas de comando numérico computadorizado, robôs industriais e inteligência artificial — como o prenúncio de desemprego generalizado. Outros raciocinam que a automação atual, como ondas anteriores de tecnologias, acabará por aumentar a demanda por trabalho e, portanto, o emprego e os salários.

Este artigo apresenta um arcabouço baseado em tarefas (task-based framework), construído sobre Acemoglu e Restrepo (2018a, 2018b), bem como Acemoglu e Autor (2011), Autor, Levy e Murnane (2003) e Zeira (1998), para pensar as implicações da tecnologia para a demanda por trabalho e a produtividade. A produção requer tarefas, que são alocadas a capital ou trabalho. Novas tecnologias não apenas aumentam a produtividade do capital e do trabalho nas tarefas que atualmente desempenham, mas também impactam a alocação de tarefas a esses fatores de produção — o que chamamos de conteúdo de tarefas da produção (task content of production). Deslocamentos no conteúdo de tarefas da produção podem ter grandes efeitos sobre como a demanda por trabalho muda, bem como sobre a produtividade.

A automação corresponde ao desenvolvimento e à adoção de novas tecnologias que permitem que o trabalho seja substituído pelo capital em uma gama de tarefas. A automação altera o conteúdo de tarefas da produção de forma adversa para o trabalho por causa de um efeito de deslocamento (displacement effect) — à medida que o capital assume tarefas anteriormente desempenhadas pelo trabalho. O efeito de deslocamento implica que a automação reduz a participação do trabalho no valor adicionado. Exemplos históricos de automação são abundantes. Muitas das primeiras inovações da Revolução Industrial automatizaram tarefas realizadas por artesãos na fiação e na tecelagem (Mantoux 1928), o que levou a deslocamento generalizado, desencadeando os motins ludistas (Mokyr 1990). A mecanização da agricultura, que ganhou velocidade com ceifadeiras, colheitadeiras e arados movidos a tração animal na segunda metade do século XIX e com tratores e colheitadeiras combinadas no século XX, deslocou trabalhadores agrícolas em grandes números (Rasmussen 1982; Olmstead e Rhode 2001). Hoje também estamos testemunhando um período de rápida automação. Os empregos de trabalhadores da produção estão sendo perturbados com a ascensão de robôs industriais e outras máquinas automatizadas (Graetz e Michaels 2018; Acemoglu e Restrepo 2018b), enquanto trabalhadores de colarinho branco em contabilidade, vendas, logística, trading e algumas ocupações gerenciais veem algumas das tarefas que costumavam desempenhar serem substituídas por softwares especializados e inteligência artificial.

Ao permitir uma alocação mais flexível de tarefas aos fatores, a tecnologia de automação também aumenta a produtividade e, por meio desse canal, que chamamos de efeito produtividade, contribui para a demanda por trabalho em tarefas não automatizadas. O impacto líquido da automação sobre a demanda por trabalho depende, portanto, de como os efeitos de deslocamento e de produtividade se contrapõem.

A história da tecnologia não trata apenas do deslocamento do trabalho humano por tecnologias de automação. Se assim fosse, estaríamos confinados a um conjunto encolhente de tarefas e empregos antigos, com uma participação do trabalho na renda nacional em declínio contínuo. Em vez disso, o efeito de deslocamento da automação foi contrabalançado por tecnologias que criam novas tarefas nas quais o trabalho tem vantagem comparativa. Tais novas tarefas geram não apenas um efeito produtividade positivo, mas também um efeito de reinstalação (reinstatement effect) — elas reinstalam o trabalho em uma gama mais ampla de tarefas e assim mudam o conteúdo de tarefas da produção em favor do trabalho.¹ O efeito de reinstalação é o oposto polar do efeito de deslocamento e aumenta diretamente tanto a participação do trabalho quanto a demanda por trabalho.

A história também está repleta de exemplos da criação de novas tarefas e do efeito de reinstalação. No século XIX, enquanto a automação de algumas tarefas estava em curso, outros desenvolvimentos tecnológicos geraram oportunidades de emprego em novas ocupações. Estas incluíram empregos para operários de linha, engenheiros, maquinistas, mecânicos de manutenção, condutores, gerentes e financistas (Chandler 1977; Mokyr 1990). Novas ocupações e empregos em novas indústrias também desempenharam um papel fundamental na geração de demanda por trabalho durante as décadas de rápida mecanização agrícola nos Estados Unidos, especialmente em fábricas (Rasmussen 1982; Olmsted e Rhode 2001) e em ocupações administrativas, tanto em serviços quanto na manufatura (Goldin e Katz 2008; Michaels 2007). Embora softwares e computadores tenham substituído o trabalho em algumas tarefas de colarinho branco, eles criaram simultaneamente muitas novas tarefas. Estas incluem tarefas relacionadas a programação, design e manutenção de equipamentos de alta tecnologia, como desenvolvimento de software e de aplicativos, design e análise de bancos de dados e tarefas relacionadas à segurança computacional, bem como tarefas relacionadas a funções mais especializadas em ocupações existentes, incluindo assistentes administrativos, analistas de solicitações de empréstimo e técnicos de equipamentos médicos (Lin 2011). Em Acemoglu e Restrepo (2018a, usando dados de Lin 2011), mostramos que cerca de metade do crescimento do emprego ao longo de 1980–2015 ocorreu em ocupações nas quais os títulos de cargo ou as tarefas desempenhadas pelos trabalhadores mudaram.

Nosso arcabouço conceitual oferece várias lições. Primeiro, a presunção de que todas as tecnologias aumentam a demanda (agregada) por trabalho simplesmente porque elevam a produtividade está errada. Algumas tecnologias de automação podem, de fato, reduzir a demanda por trabalho porque trazem efeitos de deslocamento consideráveis, mas ganhos de produtividade modestos (especialmente quando os trabalhadores substituídos já eram baratos de início e a tecnologia automatizada é apenas marginalmente melhor do que eles). Segundo, por causa do efeito de deslocamento, não devemos esperar que a automação crie aumentos salariais proporcionais ao crescimento da produtividade. De fato, como já observamos, a automação por si só sempre reduz a participação do trabalho no valor adicionado da indústria e tende a reduzir a participação geral do trabalho na economia (o que significa que leva a um crescimento salarial mais lento do que o crescimento da produtividade). A razão pela qual tivemos crescimento salarial rápido e participações do trabalho estáveis no passado é consequência de outras mudanças tecnológicas que geraram novas tarefas para o trabalho e contrabalançaram os efeitos da automação sobre o conteúdo de tarefas da produção. Algumas tecnologias deslocaram o trabalho de tarefas automatizadas enquanto outras reinstalaram o trabalho em novas tarefas. No líquido, o trabalho manteve um papel central na produção. Pela mesma lógica, nosso arcabouço sugere que o futuro do trabalho depende da mistura de novas tecnologias e de como estas mudam o conteúdo de tarefas da produção.

Na segunda parte do artigo, usamos nosso arcabouço para estudar a evolução da demanda por trabalho nos Estados Unidos desde a Segunda Guerra Mundial e explicar como dados setoriais podem ser usados para inferir o comportamento do conteúdo de tarefas da produção e os efeitos de deslocamento e reinstalação. Começamos mostrando que houve uma desaceleração no crescimento da demanda por trabalho ao longo das últimas três décadas e uma estagnação quase completa nas últimas duas. Estabelecemos isso estudando a evolução da massa salarial (wage bill) de toda a economia, que combina informações sobre salários médios e emprego total e é, portanto, informativa sobre mudanças na demanda geral por trabalho.

Em seguida, usamos dados setoriais para decompor mudanças na massa salarial de toda a economia em efeitos de produtividade, composição e substituição, e mudanças no conteúdo de tarefas da produção. Todas as tecnologias criam efeitos de produtividade que contribuem para a demanda por trabalho. O efeito composição surge da realocação de atividade entre setores com diferentes intensidades de trabalho. O efeito substituição captura a substituição entre tarefas intensivas em trabalho e em capital dentro de uma indústria em resposta a uma mudança nos preços das tarefas (por exemplo, causada por tecnologias fator-ampliadoras que tornam o trabalho ou o capital mais produtivo nas tarefas que atualmente desempenham). Estimamos mudanças no conteúdo de tarefas da produção a partir de mudanças residuais nas participações do trabalho em nível de indústria (além do que pode ser explicado por efeitos de substituição). Decompomos ainda as mudanças no conteúdo de tarefas da produção em efeitos de deslocamento causados por automação e efeitos de reinstalação impulsionados por novas tarefas. Fornecemos suporte externo para essa decomposição relacionando as mudanças estimadas no conteúdo de tarefas da produção a uma bateria de medidas de automação e de introdução de novas tarefas entre setores.

Nossa decomposição sugere que a evolução da massa salarial dos EUA, especialmente ao longo dos últimos 20 anos, não pode ser compreendida sem levar em conta mudanças no conteúdo de tarefas da produção. Em particular, constatamos que a forte desaceleração do crescimento da massa salarial dos EUA nas últimas três décadas é consequência de um crescimento da produtividade mais fraco que o usual e de deslocamentos significativos do conteúdo de tarefas da produção contra o trabalho. Ao decompor a mudança no conteúdo de tarefas da produção, estimamos efeitos de deslocamento mais fortes e efeitos de reinstalação consideravelmente mais fracos durante os últimos 30 anos do que nas décadas anteriores. Esses padrões sugerem uma aceleração da automação e uma desaceleração na criação de novas tarefas. Eles também levantam a questão de por que o crescimento da produtividade tem sido tão anêmico enquanto a automação acelerou nos anos recentes. Usamos nosso arcabouço para lançar luz sobre essa questão crítica.

Um Apêndice online disponível junto a este artigo no site do periódico contém uma exposição mais detalhada de nosso arcabouço, demonstrações, resultados empíricos adicionais e detalhes sobre a construção de nossos dados.

¹ Há também novas tarefas nas quais o capital tem vantagem comparativa (por exemplo, detecção automatizada). Ao longo do texto, nosso foco está em novas tarefas "intensivas em trabalho" e, por brevidade, iremos nos referir a elas simplesmente como "novas tarefas".

A produção requer a conclusão de uma gama de tarefas. A produção de uma camisa, por exemplo, começa com um design, depois requer a conclusão de uma variedade de tarefas de produção, como a extração de fibras, sua fiação para produzir fio, tecelagem, malharia, tingimento e processamento, além de tarefas adicionais não produtivas, incluindo contabilidade, marketing, transporte e vendas. Cada uma dessas tarefas pode ser realizada por trabalho humano ou por capital (incluindo tanto máquinas quanto software). A alocação de tarefas aos fatores determina o conteúdo de tarefas da produção.

A automação permite que algumas das tarefas anteriormente realizadas pelo trabalho sejam produzidas por capital. Como exemplo recente, avanços nas tecnologias de robótica desde a década de 1980 permitiram que firmas automatizassem uma ampla gama de tarefas de produção na manufatura, como usinagem, soldagem, pintura e montagem, que eram realizadas manualmente (Ayres e Miller 1983; Groover, Weiss, Nagel e Odrey 1986; Acemoglu e Restrepo 2018b). O conjunto de tarefas envolvido na produção de um produto não é constante ao longo do tempo, e a introdução de novas tarefas pode ser uma fonte importante de demanda por trabalho, bem como de produtividade. Nos têxteis, exemplos de novas tarefas intensivas em trabalho incluem designs computadorizados, novos métodos de pesquisa de mercado e diversas atividades gerenciais para melhor direcionamento da demanda e economia de custos. Ao mudar a alocação de tarefas aos fatores, tanto a automação quanto a introdução de novas tarefas afetam o conteúdo de tarefas da produção.

As tarefas são, portanto, a unidade fundamental da produção, e os fatores de produção contribuem para o produto ao realizar essas tarefas. Em contraste, a abordagem canônica em economia contorna as tarefas e postula diretamente uma função de produção da forma Y = F(A_K K, A_L L), que adicionalmente impõe que toda mudança tecnológica assuma uma forma fator-ampliadora. Há três razões relacionadas pelas quais preferimos nosso arcabouço conceitual. Primeiro, a abordagem canônica carece de realismo descritivo. Avanços em robótica, por exemplo, não tornam capital ou trabalho mais produtivos, mas expandem o conjunto de tarefas que podem ser produzidas por capital. Segundo, mudança tecnológica capital-ampliadora (um aumento em A_K) ou mudança tecnológica trabalho-ampliadora (um aumento em A_L) corresponde ao fator relevante tornar-se uniformemente mais produtivo em todas as tarefas, o que, como mostraremos, ignora mudanças potencialmente importantes no conteúdo de tarefas da produção. Terceiro, e mais importante, veremos também que as implicações quantitativas e qualitativas de avanços tecnológicos fator-ampliadores são diferentes daquelas de tecnologias que mudam o conteúdo de tarefas da produção. Focar apenas em tecnologias fator-ampliadoras pode nos forçar a conclusões enganosas.

Tarefas e Produção

Apresentamos nosso arcabouço baseado em tarefas descrevendo primeiro o processo de produção em uma economia de setor único.² Suponha que a produção combine o produto de uma gama de tarefas, e que as tarefas sejam indexadas por z e normalizadas para se situar entre N − 1 e N, como mostrado na Figura 1.³ As tarefas podem ser produzidas usando capital ou trabalho. Tarefas com z > I não são automatizadas e só podem ser produzidas com trabalho, que tem uma taxa salarial W. Tarefas z ≤ I são automatizadas e podem ser produzidas com capital, que tem uma taxa de aluguel R, bem como com trabalho. Assumimos que o trabalho tem tanto vantagem comparativa quanto absoluta em tarefas de índice mais alto. Um aumento em I representa, portanto, a introdução de uma tecnologia de automação, ou automação, abreviadamente. Um aumento em N, por outro lado, corresponde à introdução de novas tarefas intensivas em trabalho, ou novas tarefas, abreviadamente. Além da automação (I) e da introdução de novas tarefas (N), o estado da tecnologia para este setor depende de A_L (tecnologia trabalho-ampliadora) e A_K (tecnologia capital-ampliadora), que aumentam as produtividades desses fatores em todas as tarefas.

Vamos supor que seja minimizador de custos para as firmas usar capital em todas as tarefas que são automatizadas (todas as z ≤ I) e adotar todas as novas tarefas imediatamente. Isso implica uma alocação de tarefas aos fatores como resumido na Figura 1, que também mostra como a automação e as novas tarefas impactam essa alocação.

Seguindo os mesmos passos de Acemoglu e Restrepo (2018a), o produto pode ser representado como uma função de elasticidade de substituição constante (CES) de capital e trabalho:

Y = \Pi(I,N)\left[\Gamma(I,N)^{\frac{1}{\sigma}}\,(A_L L)^{\frac{\sigma-1}{\sigma}} + \bigl(1-\Gamma(I,N)\bigr)^{\frac{1}{\sigma}}\,(A_K K)^{\frac{\sigma-1}{\sigma}}\right]^{\frac{\sigma}{\sigma-1}}

Como no modelo canônico, temos a produção como função das quantidades de trabalho e capital, L e K. O termo de tecnologia trabalho-ampliadora A_L e o termo capital-ampliador A_K aumentam a produtividade do trabalho e do capital em todas as tarefas que atualmente produzem. A elasticidade de substituição entre tarefas, σ, determina quão fácil é substituir uma tarefa por outra, e é também a elasticidade (derivada) de substituição entre capital e trabalho.

A diferença crucial em relação ao modelo canônico é que os parâmetros de participação (share parameters) dessa função de elasticidade de substituição constante dependem da automação e das novas tarefas. O parâmetro de participação do trabalho, Γ(I, N), é o conteúdo de tarefas de trabalho da produção, que representa a parcela de tarefas realizadas pelo trabalho em relação ao capital (ajustada por diferenças na produtividade do trabalho e do capital entre essas tarefas). Inversamente, 1 − Γ(I, N) é o conteúdo de tarefas de capital da produção. Portanto, um aumento em Γ(I, N) desloca o conteúdo de tarefas da produção em favor do trabalho e contra o capital. No caso especial em que σ = 1, Γ(I, N) = N − I. De modo mais geral, Γ(I, N) é sempre crescente em N e decrescente em I. Isso, em particular, implica que a automação (maior I) desloca o conteúdo de tarefas da produção contra o trabalho, porque acarreta que o capital assuma tarefas anteriormente realizadas pelo trabalho. Em contraste, novas tarefas intensivas em trabalho deslocam o conteúdo de tarefas da produção em favor do trabalho.⁴ Por fim, a automação e as novas tarefas não apenas mudam o conteúdo de tarefas da produção, mas também geram ganhos de produtividade ao permitir a alocação de (algumas) tarefas a fatores mais baratos. O termo Π(I, N), que aparece como produtividade total dos fatores, representa esses ganhos de produtividade.

A participação do trabalho, dada pela massa salarial (WL) dividida pelo valor adicionado (Y), pode ser derivada como:

s_L = \frac{1}{1 + \dfrac{1-\Gamma(I,N)}{\Gamma(I,N)}\left(\dfrac{R/A_K}{W/A_L}\right)^{1-\sigma}}

Essa relação, na qual nos apoiaremos extensivamente no restante do artigo, esclarece as duas forças distintas que moldam a participação do trabalho (em uma indústria ou na economia inteira). Como é padrão, a participação do trabalho depende da razão dos preços efetivos dos fatores, W/A_L e R/A_K. Intuitivamente, à medida que os salários efetivos sobem em relação às taxas efetivas de aluguel do capital, o preço das tarefas produzidas pelo trabalho aumenta em relação ao preço das tarefas produzidas pelo capital, e isso gera um efeito substituição entre tarefas. Essa é a única força que influencia a participação do trabalho no modelo canônico. Sua magnitude e tamanho dependem de σ ser maior ou menor que 1. Por exemplo, quando as tarefas são complementares (σ < 1), um aumento no salário efetivo eleva a participação no custo das tarefas produzidas pelo trabalho. O oposto acontece quando σ > 1. Quando σ = 1, obtemos uma função de produção Cobb–Douglas e o efeito substituição desaparece, porque a participação de cada tarefa no valor adicionado é fixa.

Mais inéditos são os efeitos do conteúdo de tarefas da produção, Γ(I, N), sobre a participação do trabalho. Intuitivamente, à medida que mais tarefas são alocadas ao capital em vez do trabalho, o conteúdo de tarefas se desloca contra o trabalho e a participação do trabalho cairá inequivocamente. Nosso modelo prevê, assim, que, independentemente da elasticidade de substituição σ, a automação (que muda o conteúdo de tarefas da produção contra o trabalho) reduzirá a participação do trabalho na indústria, enquanto novas tarefas (que alteram o conteúdo de tarefas da produção em favor do trabalho) a aumentarão.

² Isso também descreve o processo de produção em um setor situado em uma economia multissetorial, com a única diferença de que, nesse caso, mudanças na tecnologia impactam preços relativos e induzem realocação de capital e trabalho entre setores. Discutimos esses efeitos de preços relativos e de realocação abaixo.

³ A saber, a função de produção assume a forma Y = \left(\int_{N-1}^{N} Y(z)^{\frac{\sigma-1}{\sigma}}\,dz\right)^{\frac{\sigma}{\sigma-1}}, onde Y(z) é o produto da tarefa z. A suposição de que as tarefas se situam entre N − 1 e N é adotada para simplificar a exposição. Nada de importante muda se, em vez disso, permitirmos que as tarefas se situem no intervalo entre 0 e N. O Apêndice online apresenta mais detalhes sobre as suposições subjacentes e sobre as derivações dos resultados que seguem ao longo da discussão.

⁴ Nossa exposição assume que o conteúdo de tarefas da produção não depende de tecnologias fator-ampliadoras ou da oferta de capital ou trabalho. Esse será o caso quando for minimizador de custos para as firmas nesse setor usar capital em todas as tarefas que são automatizadas (todas as z ≤ I) e usar todas as novas tarefas imediatamente. O Apêndice online apresenta as suposições subjacentes sobre tecnologia e ofertas de fatores que garantem que esse seja o caso. Quando essa suposição não se sustenta (por exemplo, por causa de mudanças muito grandes em tecnologias fator-ampliadoras ou em ofertas de fatores), a alocação de tarefas aos fatores mudará com as ofertas de fatores e as tecnologias fator-ampliadoras. Mesmo nesse caso, o impacto das tecnologias fator-ampliadoras sobre o conteúdo de tarefas será pequeno em relação aos ganhos de produtividade dessas tecnologias.

Tecnologia e Demanda por Trabalho

Investigamos agora como a tecnologia muda a demanda por trabalho. Focamos no comportamento da massa salarial, WL, que captura o valor total que os empregadores pagam por trabalho. Lembre-se de que:

Massa salarial = Valor adicionado × Participação do trabalho

Mudanças na massa salarial se traduzirão em alguma combinação de mudanças no emprego e nos salários, e a divisão exata será afetada pela elasticidade da oferta de trabalho e por imperfeições do mercado de trabalho, nenhuma das quais modelamos explicitamente neste artigo (para discussão, veja Acemoglu e Restrepo 2018a, 2018b).

Usamos essa relação para pensar em como três classes de tecnologias impactam a demanda por trabalho: automação, novas tarefas e avanços fator-ampliadores. Considere a introdução de novas tecnologias de automação (um aumento em I na Figura 1). O impacto sobre a demanda por trabalho pode ser representado como:

Efeito da automação sobre a demanda por trabalho = Efeito produtividade + Efeito de deslocamento

O efeito produtividade surge do fato de que a automação aumenta o valor adicionado, e isso eleva a demanda por trabalho das tarefas não automatizadas. Se nada mais acontecesse, a demanda por trabalho da indústria aumentaria à mesma taxa que o valor adicionado, e a participação do trabalho permaneceria constante. No entanto, a automação também gera um efeito de deslocamento — ela desloca o trabalho das tarefas anteriormente alocadas a ele — o que desloca o conteúdo de tarefas da produção contra o trabalho e sempre reduz a participação do trabalho. A automação, portanto, aumenta o tamanho do bolo, mas o trabalho fica com uma fatia menor. Não há garantia de que o efeito produtividade seja maior que o efeito de deslocamento; algumas tecnologias de automação podem reduzir a demanda por trabalho mesmo elevando a produtividade.⁵

Portanto, contrariamente a uma presunção comum nos debates populares, não são as tecnologias de automação "brilhantes" que ameaçam o emprego e os salários, mas as "tecnologias mais ou menos" (so-so technologies) que geram pequenas melhorias de produtividade. Isso ocorre porque o efeito produtividade positivo das tecnologias mais ou menos não é suficiente para compensar a queda na demanda por trabalho devida ao deslocamento. Para entender quando é provável que esse seja o caso, consideremos primeiro de onde vêm os ganhos de produtividade da automação. Eles não são consequência de o capital e o trabalho estarem se tornando mais produtivos nas tarefas que estão realizando, mas decorrem da capacidade das firmas de usar capital mais barato em tarefas anteriormente realizadas pelo trabalho. O efeito produtividade da automação é, portanto, proporcional à economia de custos obtida com tal substituição. Quanto maior for a produtividade do trabalho nas tarefas que estão sendo automatizadas em relação ao seu salário, e quanto menor for a produtividade do capital nessas tarefas em relação à taxa de aluguel do capital, mais limitados serão os ganhos de produtividade da automação. Exemplos de tecnologias mais ou menos incluem o atendimento automatizado ao cliente, que deslocou representantes humanos de atendimento, mas é geralmente considerado de baixa qualidade e, portanto, improvável de ter gerado grandes ganhos de produtividade. Elas também podem incluir várias das aplicações de tecnologia de inteligência artificial a tarefas que atualmente são desafiadoras para máquinas.

Diferentes tecnologias são acompanhadas de efeitos de produtividade de magnitudes variadas e, portanto, não podemos presumir que um conjunto de tecnologias de automação impactará a demanda por trabalho da mesma maneira que outros. Do mesmo modo, como os ganhos de produtividade da automação dependem do salário, o impacto líquido da automação sobre a demanda por trabalho dependerá do contexto mais amplo do mercado de trabalho. Quando os salários são altos e o trabalho é escasso, a automação gerará um forte efeito produtividade e tenderá a elevar a demanda por trabalho. Quando os salários são baixos e o trabalho é abundante, a automação trará benefícios modestos de produtividade e poderia acabar reduzindo a demanda por trabalho. Essa observação pode explicar por que tecnologias de automação adotadas em resposta à escassez de trabalhadores de produção (de meia-idade) em países onde a força de trabalho está envelhecendo rapidamente, como Alemanha, Japão e Coreia do Sul, parecem ter efeitos mais positivos do que nos Estados Unidos (sobre padrões entre países, veja Acemoglu e Restrepo 2018e; sobre o efeito de robôs nos Estados Unidos, veja Acemoglu e Restrepo 2018b; na Alemanha, veja Dauth, Findeisen, Suedekum e Woessner 2018). Isso também sugere uma reinterpretação da famosa hipótese de Habakkuk, de que o crescimento mais rápido da economia dos EUA no século XIX em comparação com a Grã-Bretanha se deveu à sua relativa escassez de trabalho (Habakkuk 1962; para um argumento semelhante no contexto da Revolução Industrial Britânica, veja também Allen 2009). A escassez de trabalho encoraja a automação, e os salários altos que ela causa ajudam a explicar por que esse processo de automação levou a rápido crescimento da produtividade e a novos aumentos salariais.

Considere em seguida o efeito da introdução de novas tarefas sobre a massa salarial, que é capturado por um aumento em N em nosso arcabouço. Isso expande o conjunto de tarefas nas quais os humanos têm vantagem comparativa, e seu efeito pode ser resumido como:

Efeito das novas tarefas sobre a demanda por trabalho = Efeito produtividade + Efeito de reinstalação

O efeito de reinstalação captura a mudança no conteúdo de tarefas da produção, mas agora em favor do trabalho, à medida que o aumento em N reinstala o trabalho em novas tarefas. Essa mudança no conteúdo de tarefas sempre aumenta a participação do trabalho. Ela também melhora a produtividade, pois as novas tarefas exploram a vantagem comparativa do trabalho. A melhoria de produtividade resultante, junto com a mudança no conteúdo de tarefas, garante que a demanda por trabalho sempre aumente após a introdução de novas tarefas.

Por fim, como afirmamos anteriormente, as implicações das tecnologias fator-ampliadoras são muito diferentes daquelas da automação e das novas tarefas, porque elas não mudam o conteúdo de tarefas da produção. Em particular:

Efeito das tecnologias fator-ampliadoras sobre a demanda por trabalho = Efeito produtividade + Efeito substituição

Com melhorias tecnológicas fator-ampliadoras, ou o trabalho ou o capital se torna mais produtivo em todas as tarefas, tornando o efeito produtividade proporcional à sua participação no valor adicionado.

As tecnologias fator-ampliadoras também impactam a demanda por trabalho via o efeito substituição introduzido acima, que muda a participação do trabalho, mas não altera o conteúdo de tarefas da produção. As estimativas disponíveis de σ situam esse parâmetro como menor que, mas próximo de, 1, o que implica que os efeitos de substituição das tecnologias fator-ampliadoras são pequenos em relação a seus efeitos de produtividade.

Em resumo, em contraste com a automação e as novas tarefas, que podem gerar efeitos significativos de deslocamento e reinstalação, as tecnologias fator-ampliadoras afetam a demanda por trabalho principalmente via o efeito produtividade e têm um impacto relativamente pequeno sobre a participação do trabalho. Como resultado, é improvável que gerem uma demanda por trabalho menor a partir de avanços tecnológicos: tecnologias capital-ampliadoras sempre aumentam a demanda por trabalho, e tecnologias trabalho-ampliadoras fazem o mesmo para valores plausíveis dos parâmetros, em particular, desde que σ > 1 − s_L (Acemoglu e Restrepo 2018c).⁶

⁵ De fato, em Acemoglu e Restrepo (2018b), mostramos que robôs industriais, um exemplo destacado de tecnologia de automação, estão associados a menor participação do trabalho e menor demanda por trabalho em nível de indústria, e a menor demanda por trabalho em mercados de trabalho locais expostos a essa tecnologia. Esse resultado é consistente com um poderoso efeito de deslocamento que dominou o efeito produtividade dessa classe de tecnologias de automação.

⁶ Muitas outras tecnologias compartilham a característica de não impactar o conteúdo de tarefas da produção. Por exemplo, melhorias na qualidade ou na produtividade de equipamentos em qualquer subconjunto de tarefas já automatizadas em (N − 1, I) (o que, em Acemoglu e Restrepo 2018d, chamamos de "aprofundamento da automação") terão um impacto sobre a demanda por trabalho idêntico ao das tecnologias capital-ampliadoras. Essas tecnologias não mudam a alocação de tarefas aos fatores (já que uma nova peça de equipamento está substituindo uma mais antiga), e assim afetam a demanda por trabalho principalmente por meio do efeito produtividade.

Tarefas, Produção e Demanda Agregada por Trabalho

Agora incorporamos o modelo de tarefas e produção em uma economia com múltiplas indústrias e investigamos como a tecnologia muda a demanda agregada por trabalho, caracterizando o comportamento da massa salarial (de toda a economia). Em nossa economia multissetorial, temos:

Massa salarial = PIB × Σᵢ (Participação do trabalho no setor i × Participação do valor adicionado do setor i)

A perspectiva multissetorial oferece uma margem adicional de ajuste em resposta à automação, que denominamos efeito composição. Após a automação no setor i (um aumento em I para aquele setor), temos:

Efeito da automação em i sobre a demanda agregada por trabalho = Efeito produtividade + Efeito de deslocamento + Efeito composição

Os dois primeiros efeitos são os mesmos de antes — o efeito produtividade representa o impacto da automação no setor i sobre o PIB, enquanto o efeito de deslocamento representa a mudança no conteúdo de tarefas da produção do setor i (que afeta a participação do trabalho dentro desse setor). Esses efeitos são escalonados pelo tamanho do setor i, uma vez que setores maiores terão efeitos agregados maiores.

O efeito composição, que estava ausente quando focávamos no efeito da automação em uma economia de setor único, captura as implicações de realocações setoriais (mudanças na participação do valor adicionado entre setores). Por exemplo, a automação no setor i pode realocar atividade econômica para o setor j (dependendo das elasticidades de demanda e das ligações insumo-produto). Essa realocação contribui positivamente para a demanda agregada por trabalho quando o setor j tem participação do trabalho mais alta do que o setor i em contração, e negativamente quando ocorre o oposto.

Uma decomposição semelhante se aplica às novas tarefas. Após a introdução de novas tarefas no setor i (um aumento em N para aquele setor), temos:

Efeito das novas tarefas em i sobre a demanda agregada por trabalho = Efeito produtividade + Efeito de reinstalação + Efeito composição

onde a nova característica é novamente o efeito composição.

A mecanização da agricultura nos Estados Unidos ilustra como essas forças determinam conjuntamente o comportamento da demanda agregada por trabalho. Dados de Budd (1960) mostram que, entre 1850 e 1910, a substituição do trabalho manual por ceifadeiras e colheitadeiras movidas a tração animal na agricultura coincidiu com uma queda acentuada da participação do trabalho no valor desse setor, de 33 para 17 por cento — um sinal revelador do efeito de deslocamento criado pela mecanização. Enquanto isso, apesar da rápida mecanização da agricultura, que na época compunha um terço da economia dos EUA, duas forças se combinaram para gerar um aumento na demanda agregada por trabalho. Primeiro, e em parte como consequência da mecanização, o valor adicionado e o emprego foram realocados da agricultura para o setor industrial. Isso criou um poderoso efeito composição, pois a indústria era (e continua sendo) muito mais intensiva em trabalho do que a agricultura. Além disso, a participação do trabalho dentro do setor industrial subiu ainda mais durante esse processo, de 47 por cento em 1850 para 55 por cento em 1890. Essa mudança na participação do trabalho na indústria sinaliza a presença de um poderoso efeito de reinstalação criado pela introdução de novos empregos intensivos em trabalho nesse setor. Essa interpretação é consistente com o crescimento significativo de novos empregos fabris em equipamentos agrícolas (Olmstead e Rhode 2001), fiação de algodão (Rasmussen 1982) e, subsequentemente, ocupações administrativas em indústrias de comércio e manufatura (Goldin e Katz 2008; Michaels 2007).

Por fim, os efeitos das tecnologias fator-ampliadoras em um contexto de múltiplas indústrias podem ser analisados de forma semelhante. Embora elas também gerem efeitos de composição e possam afetar a demanda agregada por trabalho por meio desse canal, as tecnologias fator-ampliadoras ainda não têm impacto sobre o conteúdo de tarefas da produção. Na ausência de efeitos de composição poderosos, elas continuam a afetar a demanda por trabalho principalmente via seu efeito produtividade.

Usamos agora nosso arcabouço para lançar luz sobre os fatores que moldaram a evolução da demanda por trabalho nos EUA desde a Segunda Guerra Mundial. Para isso, desenvolvemos uma decomposição das mudanças observadas na massa salarial total da economia. Nossa decomposição requer dados sobre valor adicionado da indústria, pagamentos a fatores e participações do trabalho. A mudança na massa salarial agregada entre dois períodos pode ser decomposta (como mostramos no Apêndice online) como:

Mudança na massa salarial agregada = Efeito produtividade + Efeito composição + Efeito substituição + Mudança no conteúdo de tarefas

O efeito produtividade é a soma das contribuições de várias fontes de tecnologia para o valor adicionado e, portanto, para o PIB. Correspondentemente, em nosso exercício empírico medimos esse efeito usando mudanças no (log do) PIB per capita.

O efeito composição captura mudanças na demanda por trabalho resultantes da realocação de valor adicionado entre setores. Como discutido na seção anterior, isso está relacionado à diferença entre a participação do trabalho dos setores em contração e em expansão. Em nosso exercício empírico, nós o medimos como a soma da mudança na participação do valor adicionado de uma indústria ponderada por sua participação do trabalho (se todos os setores tivessem a mesma participação do trabalho, esse termo seria igual a zero). O efeito composição inclui não apenas a realocação setorial trazida por novas tecnologias, mas também mudanças no valor adicionado entre setores resultantes de transformações estruturais e de realocação setorial devida a preferências (por exemplo, Herrendorf, Rogerson e Valentinyi 2013; Hubmer 2018; Aghion, Jones e Jones 2017), diferenças nas intensidades dos fatores (por exemplo, Acemoglu e Guerrieri 2008), crescimento diferencial da produtividade setorial (por exemplo, Ngai e Pissarides 2007) ou comércio internacional de bens finais (por exemplo, Autor, Dorn e Hanson 2013).

O efeito substituição é uma soma ponderada pelo emprego dos efeitos de substituição das indústrias e, portanto, depende de mudanças em nível de indústria nos preços efetivos dos fatores e da elasticidade de substituição σ (como mostrado na expressão anterior para a participação do trabalho). Para estimar o efeito substituição em uma indústria, escolhemos como nossa referência a estimativa de Oberfield e Raval (2014) da elasticidade de substituição entre capital e trabalho, σ = 0,8.⁷ Além disso, utilizamos informações sobre preços setoriais dos fatores do Bureau of Economic Analysis, do Bureau of Labor Statistics e das contas nacionais de renda e produto. Para converter preços de fatores observados em efetivos, começamos com um benchmark no qual A_L^i / A_K^i cresce a uma taxa comum igual à produtividade média do trabalho, que consideramos ser de 2 por cento ao ano entre 1947 e 1987 e 1,46 por cento ao ano entre 1987 e 2017. A motivação para essa escolha é que, se todo o progresso tecnológico fosse trabalho-ampliador, essa seria a taxa de crescimento em A_L^i necessária para corresponder ao comportamento da produtividade do trabalho.⁸

A mudança no conteúdo de tarefas é dada por uma soma ponderada pelo emprego das mudanças no conteúdo de tarefas da produção das indústrias. Estimamos a mudança no conteúdo de tarefas em nível de indústria como a mudança residual na participação do trabalho (observada diretamente nos dados) que não pode ser explicada pelo efeito substituição. A saber:

Mudança no conteúdo de tarefas em i = Variação percentual na participação do trabalho em i − Efeito substituição em i

Intuitivamente, com mercados competitivos de fatores e de produtos, a mudança no conteúdo de tarefas da produção e o efeito substituição são as únicas forças que afetam a participação do trabalho de uma indústria. Portanto, mudanças no conteúdo de tarefas podem ser inferidas uma vez que tenhamos estimativas do efeito substituição.

Sob suposições adicionais, podemos também separar a mudança no conteúdo de tarefas em seus dois componentes: os efeitos de deslocamento e de reinstalação. Suponha que uma indústria não empreenderá simultaneamente automação e introdução de novas tarefas (isso é implicado, por exemplo, pelo raciocínio de mudança tecnológica direcionada em Acemoglu e Restrepo 2018a, no qual, dependendo dos preços dos fatores, uma indústria se engajará em um tipo de inovação ou no outro). Então, quando a participação do trabalho de uma indústria cai além do que se esperaria com base nos preços dos fatores, estimamos um efeito de deslocamento positivo resultante da automação naquela indústria. Inversamente, quando a participação do trabalho em uma indústria sobe além do que se esperaria com base nos preços dos fatores, estimamos um efeito de reinstalação positivo, atribuído em nosso modelo à introdução de novas tarefas. Motivados por esse raciocínio, calculamos o efeito de deslocamento como a média móvel de cinco anos da mudança no conteúdo de tarefas para indústrias com uma mudança negativa, e o efeito de reinstalação como a média móvel de cinco anos da mudança no conteúdo de tarefas para indústrias com uma mudança positiva. A janela temporal de cinco anos é escolhida para minimizar a influência de erro de medida nas participações do trabalho das indústrias. Na medida em que haja introdução simultânea de novas tecnologias de automação e de novas tarefas em uma dada indústria dentro de um período de cinco anos, nossas estimativas serão limites inferiores tanto para os efeitos de deslocamento quanto para os de reinstalação.

⁷ Mostramos no Apêndice online que os resultados são muito semelhantes para variações razoáveis em σ. Note também que o σ relevante é a elasticidade de substituição entre capital e trabalho em nível de indústria. Esta é maior que a elasticidade em nível de firma, estimada entre 0,4 e 0,7 (por exemplo, Chirinko, Fazzari e Meyer 2011), por causa da substituição de produto entre firmas. Note também que nosso arcabouço, em particular o papel central das mudanças no conteúdo de tarefas da produção, deixa claro que essa elasticidade de substituição não pode ser estimada a partir de dados agregados.

⁸ Nossas estimativas para a taxa de crescimento de A_L^i / A_K^i devem ser interpretadas como limites superiores, uma vez que, em geral, o crescimento do PIB por trabalhador será impulsionado não apenas por mudanças tecnológicas trabalho-ampliadoras. Como em nosso exercício principal σ < 1, isso implica que também estamos subestimando a importância dos efeitos de deslocamento na redução do conteúdo de tarefas da produção. Ainda assim, variações razoáveis na taxa de crescimento de A_L^i / A_K^i têm impactos pequenos sobre os resultados de nossa decomposição, como mostramos no Apêndice online.

Fontes da Demanda por Trabalho: 1947–1987

Aplicamos primeiro essa decomposição a dados das quatro décadas seguintes à Segunda Guerra Mundial, de 1947 a 1987. Para esse período, temos dados do Bureau of Economic Analysis para 58 indústrias sobre valor adicionado e participações do trabalho.⁹ Combinamos esses dados com dados das contas nacionais de renda e produto sobre quantidades de capital e trabalho em cada indústria para obter medidas de preços dos fatores. Consolidamos os dados em 43 indústrias que cobriam o setor privado e podem ser acompanhadas consistentemente ao longo do tempo e entre fontes.

A Figura 2 apresenta a evolução da participação do trabalho para seis setores amplos: construção, serviços, transporte, manufatura, agricultura e mineração. Exceto por mineração e transporte — dois setores pequenos que respondem por 10 por cento do PIB —, não há declínios significativos nas participações do trabalho nesses setores amplos nesse período. De fato, a participação do trabalho na manufatura e nos serviços aumentou modestamente durante esse período. O painel inferior da figura mostra a evolução da participação do valor adicionado desses setores e confirma a realocação secular da manufatura para os serviços a partir do fim da década de 1950.

A Figura 3 apresenta nossa decomposição usando as 43 indústrias em nossa amostra. Dividimos a massa salarial pela população, de modo que mudanças na população não confundam os efeitos nos quais estamos focando. O painel superior da Figura 3 mostra que a massa salarial per capita cresceu a 2,5 por cento ao ano durante esse período. O crescimento rápido e estável da massa salarial durante esse período é em grande parte explicado pelo efeito produtividade (2,4 por cento ao ano). Os efeitos de substituição e composição são pequenos, e durante esse período as mudanças no conteúdo de tarefas da produção também são pequenas.

O painel do meio da Figura 3 mostra que, embora a mudança geral no conteúdo de tarefas da produção durante esse período seja pequena, há considerável deslocamento e reinstalação. Entre 1947 e 1987, o efeito de deslocamento reduziu a demanda por trabalho em cerca de 0,48 por cento ao ano, mas, simultaneamente, houve um efeito de reinstalação igualmente forte, equivalente a um aumento da demanda por trabalho de 0,47 por cento ao ano. O painel inferior da Figura 3 retrata um padrão semelhante na manufatura, onde a mudança geral no conteúdo de tarefas também foi pequena, enquanto os efeitos de deslocamento e reinstalação foram substanciais. Em suma, nossos achados sugerem que, durante as quatro décadas seguintes à Segunda Guerra Mundial, houve bastante automação, mas esta foi acompanhada pela introdução de novas tarefas (ou outras mudanças que aumentaram o conteúdo de tarefas da produção em favor do trabalho) tanto na manufatura quanto no restante da economia, o que contrabalançou as consequências adversas da automação sobre a demanda por trabalho.

⁹ Nossa medida de demanda por trabalho é dada pela massa salarial no setor privado e, portanto, exclui a renda do trabalho autônomo. Isso evita a necessidade de repartir a renda do trabalho autônomo entre trabalho e capital. Elsby, Hobijn e Sahin (2013) exploram essa questão em detalhe e concluem que a renda do trabalho proveniente de trabalho autônomo ou declinou ou permaneceu constante como parcela da renda total do trabalho ao longo desse período. Isso implica que a participação do trabalho incluindo a renda do trabalho autônomo provavelmente declinou ainda mais e, portanto, se algo, focar na participação do trabalho no setor privado subestima o declínio geral na demanda por trabalho.

Fontes da Demanda por Trabalho: 1987–2017

Para o período 1987–2017, usamos dados do Bureau of Economic Analysis para 61 indústrias que cobrem o setor privado e os complementamos com dados do Bureau of Labor Statistics sobre preços dos fatores. O painel superior da Figura 4 apresenta a evolução da participação do trabalho para os mesmos seis setores amplos usados acima. Em contraste com o período 1947–1987, há um declínio considerável na participação do trabalho na manufatura e na construção. A queda na participação do trabalho na mineração continua em ritmo semelhante. O painel inferior da figura mostra a continuada realocação de atividade econômica da manufatura para os serviços.

O painel superior da Figura 5 mostra uma impressionante desaceleração no crescimento da demanda por trabalho entre 1987 e 2017. A massa salarial per capita cresceu a modestos 1,33 por cento ao ano durante todo o período e essencialmente estagnou desde 2000. O primeiro fator que responde pela desaceleração da demanda por trabalho durante esse período é a desaceleração do crescimento da produtividade (1,54 por cento ao ano, comparado a 2,4 por cento em 1947–1987). O segundo fator que contribui para o crescimento mais lento da massa salarial, especialmente após o fim da década de 1990, é um deslocamento negativo significativo do conteúdo de tarefas da produção contra o trabalho (de 0,35 por cento ao ano), que fez a demanda por trabalho se descolar da produtividade. Cumulativamente, mudanças no conteúdo de tarefas da produção reduziram a demanda por trabalho em 10 por cento durante esse período.

Os painéis do meio e inferior da Figura 5 mostram que, em relação ao período anterior, a mudança no conteúdo de tarefas é impulsionada por uma desaceleração na introdução de tecnologias que reinstalam trabalho (a reinstalação aumentou a demanda por trabalho em apenas 0,35 por cento ao ano, comparado a 0,47 por cento em 1947–1987) e por uma aceleração do deslocamento (o deslocamento reduziu a demanda por trabalho em 0,7 por cento ao ano, comparado a 0,48 por cento em 1947–1987). Esse padrão é particularmente pronunciado na manufatura, onde o efeito de deslocamento reduziu a demanda por trabalho em cerca de 1,1 por cento ao ano, ou cerca de 30 por cento cumulativamente. Esses resultados são consistentes com Elsby, Hobijn e Sahin (2013), que documentam o papel importante de mudanças intraindustriais que não são correlacionadas com preços dos fatores para explicar o comportamento agregado da participação do trabalho. A mudança no equilíbrio entre deslocamento e reinstalação também corrobora os achados de Autor e Salomons (2018), que constatam que melhorias tecnológicas após 1980 estiveram associadas a declínios na participação do trabalho, enquanto aquelas das décadas anteriores não estiveram.

Por fim, o painel superior também mostra que os efeitos de composição e substituição tiveram um impacto muito limitado sobre a massa salarial. Embora haja um deslocamento considerável para fora da manufatura, que em si não é alheio à automação nesse setor, bem como à concorrência de importações, os efeitos de composição resultantes são pequenos porque a participação do trabalho na manufatura é semelhante à das indústrias de serviços em expansão (veja o painel superior da Figura 4). Esses achados destacam que, diferentemente da mecanização da agricultura no século XIX, não há efeitos de composição poderosos contribuindo para a demanda por trabalho. Ainda mais importante, parece não haver equivalente aos poderosos efeitos de reinstalação que acompanharam a mecanização da agricultura.

Em resumo, a desaceleração do crescimento da demanda por trabalho ao longo dos últimos 30 anos deve-se a uma combinação de crescimento anêmico da produtividade e deslocamentos adversos nos conteúdos de tarefas da produção devidos à rápida automação que não está sendo contrabalançada pela criação de novas tarefas.¹⁰

¹⁰ No Apêndice online, verificamos que esse padrão é robusto a diferentes valores da elasticidade de substituição e a variações razoáveis nas taxas de mudanças tecnológicas fator-ampliadoras. Além disso, calculamos as mudanças em tecnologias fator-ampliadoras em nível de indústria que seriam necessárias para explicar mudanças nas participações do trabalho das indústrias sem qualquer mudança no conteúdo de tarefas da produção. Constatamos que isso exigiria mudanças gigantescas em tecnologias fator-ampliadoras e aumentos de produtividade — várias vezes maiores do que os aumentos observados na produtividade total dos fatores ao longo das últimas sete décadas. Esse exercício ressalta a necessidade de grandes mudanças no conteúdo de tarefas da produção para explicar a evolução das participações setoriais do trabalho e da massa salarial. Também demonstramos no Apêndice online que a ordem em que a decomposição é realizada (efeitos de composição primeiro e mudanças intraindustriais depois) não importa para os resultados.

Uma preocupação natural é que nossas estimativas da mudança no conteúdo de tarefas capturem algo diferente do que se poderia comumente entender como efeitos de deslocamento de tecnologias de automação e efeitos de reinstalação de novas tarefas. Aqui, fornecemos evidências adicionais de que nossas estimativas são informativas sobre mudanças no conteúdo de tarefas da produção. Focamos no período 1987–2017, para o qual temos medidas de automação e podemos calcular proxies para novas tarefas em nível de indústria, e então documentamos a correlação entre essas medidas e nossas estimativas da mudança no conteúdo de tarefas da produção.

Temos três medidas de tecnologias de automação em nível de indústria. As proxies são: 1) a medida de penetração ajustada de robôs de Acemoglu e Restrepo (2018b) para 19 indústrias, que são então mapeadas para nossas 61 indústrias; 2) a parcela de empregos rotineiros em uma indústria em 1990, onde definimos empregos rotineiros em uma ocupação como em Acemoglu e Autor (2011) e depois projetamos essas parcelas entre indústrias de acordo com a participação da ocupação relevante no emprego da indústria em 1990 (veja também vom Lehn 2018); e 3) a parcela de firmas (ponderada pelo emprego) em 148 indústrias manufatureiras detalhadas que usam tecnologias de automação, que incluem veículos guiados automaticamente, sistemas automáticos de armazenamento e recuperação, sensores em maquinário, maquinário controlado por computador, controladores programáveis e robôs industriais.¹¹

A Tabela 1 relata as estimativas da relação entre a mudança no conteúdo de tarefas da produção entre 1987 e 2017 e as proxies para tecnologias de automação e novas tarefas; cada linha e coluna corresponde a um modelo de regressão diferente. A tabela mostra que, com todas essas proxies, há a relação negativa esperada entre níveis mais altos de automação e nossa medida de mudanças no conteúdo de tarefas da produção em favor do trabalho (veja também representações visuais dessas relações no Apêndice online). Essas relações negativas permanecem muito semelhantes quando adicionamos diversas variáveis de controle, incluindo, na coluna 1, uma dummy para o setor manufatureiro e, na coluna 2, importações da China (o crescimento das importações de bens finais da China, como em Autor, Dorn e Hanson 2013; Acemoglu, Autor, Dorn, Hanson e Price 2016) e uma medida de offshoring de bens intermediários (Feenstra e Hanson 1999; Wright 2014). Consistente com nosso arcabouço conceitual, mudanças no conteúdo de tarefas não estão relacionadas a importações de bens finais da China, mas estão correlacionadas com offshoring, que frequentemente envolve a transferência para o exterior de tarefas intensivas em trabalho (Elsby, Hobijn e Sahin 2013). Controlar por offshoring não muda a relação que relatamos na Tabela 1 porque o offshoring está afetando um conjunto de indústrias diferente do de nossas medidas de automação (veja o Apêndice online).

Também examinamos uma série de proxies para a introdução de novas tarefas entre indústrias, e como elas se correlacionam com nossa medida da mudança no conteúdo de tarefas para 1987–2017. Nossas quatro proxies para novas tarefas são: 1) a participação do emprego em 1990 em ocupações com uma grande fração de novos títulos de cargo, de acordo com o Dictionary of Occupational Titles de 1991 compilado por Lin (2011); 2) a participação do emprego em 1990 em ocupações com um grande número de "tarefas emergentes" de acordo com o O*NET, que correspondem a tarefas que os trabalhadores identificam como estando se tornando cada vez mais importantes em seus empregos; 3) a parcela do crescimento do emprego em uma indústria explicada por "novas ocupações", definidas como ocupações que não estavam presentes naquela indústria em 1990, mas estão presentes em 2016; e 4) o aumento percentual no número de ocupações em uma indústria entre 1990 e 2016. As duas primeiras medidas são projetadas sobre as indústrias usando a participação dessas ocupações no emprego da indústria em 1990. Todas essas quatro medidas visam capturar mudanças importantes nos tipos de atividades desempenhadas em ocupações (depois mapeadas para indústrias) ou a introdução de certas novas atividades em uma indústria. Esperamos, assim, que as correlações entre essas proxies para novas tarefas e nossa medida de mudanças no conteúdo de tarefas em favor do trabalho sejam positivas e significativas — e elas são. Esses resultados se mantêm independentemente de incluirmos ou não controles adicionais nas colunas 2 e 3 da Tabela 1.

Essas correlações reforçam a interpretação de que nossas estimativas de mudanças no conteúdo de tarefas da produção contêm informação valiosa sobre deslocamento por tecnologias de automação e reinstalação pela introdução de novas tarefas.

Tabela 1: Relação entre a Mudança no Conteúdo de Tarefas da Produção e as Proxies para Automação e Novas Tarefas

Fonte: Autores.

Nota: A tabela relata estimativas da relação entre a mudança no conteúdo de tarefas da produção entre 1987 e 2017 e proxies para tecnologias de automação e novas tarefas. Cada linha e coluna corresponde a um modelo de regressão diferente. A coluna 1 relata estimativas da relação bivariada entre a mudança no conteúdo de tarefas da produção e a proxy indicada em nível de indústria. A coluna 2 inclui uma dummy para indústrias manufatureiras como controle. Além disso, a coluna 3 controla pelo aumento das importações chinesas (definido como o aumento das importações em relação ao consumo dos EUA entre 1991 e 2011, como em Acemoglu et al. 2016) e pelo aumento do offshoring (definido como o aumento da participação de insumos intermediários importados entre 1993 e 2007, como em Feenstra e Hanson 1999). Exceto pela terceira linha, que usa o Survey of Manufacturing Technologies (SMT), todas as regressões são para as 61 indústrias usadas em nossa análise do período 1987–2017. Ao usar o SMT, as regressões são para 148 indústrias manufatureiras detalhadas. Erros-padrão robustos a heterocedasticidade estão entre parênteses. Ao usar a medida de penetração de robôs, agrupamos (cluster) os erros-padrão nas 19 indústrias para as quais essa medida está disponível.

\ O DOT é o Dictionary of Occupational Titles*.

¹¹ Esses dados são do Survey of Manufacturing Technologies, e estão disponíveis em 1988 e 1993 para 148 indústrias SIC de quatro dígitos, que fazem todas parte dos seguintes setores manufatureiros de três dígitos: produtos metálicos fabricados; maquinário não elétrico, equipamentos elétricos e eletrônicos; equipamentos de transporte; e instrumentos e produtos relacionados (Doms, Dunne e Troske 1997). Para esse exercício, calculamos medidas para a mudança no conteúdo de tarefas dessas indústrias manufatureiras de quatro dígitos usando dados detalhados das tabelas insumo-produto do Bureau of Economic Analysis para 1987 a 2007.

Nossa abordagem foi baseada em mercados competitivos e também abstraiu de várias outras mudanças que potencialmente afetam os mercados de trabalho dos EUA. Discutimos brevemente essas questões agora.

Primeiro, como já observamos, o comércio de bens finais não deveria ter impacto sobre nossas estimativas da mudança no conteúdo de tarefas da produção (porque ele afetará preços e vendas, que são capturados por nosso efeito produtividade, e induz realocações setoriais, que fazem parte de nossos efeitos de composição). Isso é confirmado por nossos resultados na Tabela 1. O offshoring, por outro lado, mudará diretamente o conteúdo de tarefas da produção, porque envolve a substituição de algumas tarefas intensivas em trabalho por serviços do exterior (Grossman e Rossi-Hansberg 2008). Nossas estimativas na Tabela 1 são consistentes com isso, mas também mostram que o offshoring não muda a relação quantitativa ou qualitativa entre várias medidas de automação e nossas estimativas da mudança no conteúdo de tarefas da produção.

Segundo, como também observado acima, realocações setoriais resultantes de transformação estrutural também não afetam o conteúdo de tarefas da produção e fazem parte de nossos efeitos de composição. O fato de que esses efeitos de composição são pequenos sugere que essas realocações setoriais não têm sido um fator importante na desaceleração da demanda por trabalho e nas mudanças da participação do trabalho na renda nacional.

Terceiro, abstraímos da presença de trabalhadores com diferentes qualificações e, portanto, uma questão potencial é se mudanças na composição de qualificações da força de trabalho afetariam nossas estimativas da mudança no conteúdo de tarefas da produção. A resposta é "não", desde que os pagamentos a fatores em nível de indústria sejam bem medidos. Portanto, desde que o aumento na massa salarial causado pela elevação de qualificações (skill upgrading) em um setor seja levado em conta, essa mudança composicional não causa um deslocamento no conteúdo de tarefas da produção. Uma implicação é que mudanças seculares como o envelhecimento populacional e o aumento da participação feminina na força de trabalho, embora afetem a composição da força de trabalho e os preços dos fatores, não deveriam confundir nossas estimativas de mudanças no conteúdo de tarefas da produção.

Quarto, mudanças nas ofertas de fatores também não deveriam ter impacto, desde que nossas estimativas do efeito substituição (que formam a base de nossas estimativas da mudança no conteúdo de tarefas da produção) permaneçam acuradas.

Em contraste com esses fatores, desvios de mercados competitivos de trabalho ou de produtos potencialmente confundiriam nossas estimativas do conteúdo de tarefas. Particularmente dignos de nota são os desvios de mercados de trabalho competitivos. Se o lado da oferta do mercado for determinado por barganha ou outros arranjos de partilha de rendas, então nossa abordagem ainda permanece válida, desde que as firmas estejam sobre sua curva de demanda por trabalho (para o trabalho em geral ou para diferentes tipos de trabalho na presença de heterogeneidade). Isso ocorre porque nossa análise usa apenas informações do lado da demanda por trabalho, de modo que se os trabalhadores estão ao longo de uma curva de oferta de trabalho bem definida não é importante. Por outro lado, mudanças na extensão de monopsônio e problemas de barganha bilateral e de holdup que forcem as firmas para fora de sua curva de demanda por trabalho potencialmente confundiriam nossas estimativas. Uma confusão semelhante resultaria se houvesse mudanças nos markups do mercado de produtos. Embora essas questões sejam importantes, elas estão além do escopo do presente artigo e são algumas das questões que estamos investigando em trabalho em andamento.

Nossos resultados sugerem que é a combinação de deslocamentos adversos no conteúdo de tarefas da produção — impulsionados por automação acelerada e reinstalação em desaceleração — e de fraco crescimento da produtividade que responde pelo crescimento lânguido da demanda por trabalho ao longo das últimas três décadas, e especialmente desde 2000. Por que o equilíbrio entre automação e novas tarefas mudou recentemente? Por que o crescimento da produtividade tem sido tão decepcionante apesar da aceleração nas tecnologias de automação? Embora não tenhamos respostas completas para essas perguntas, nosso arcabouço conceitual aponta para uma série de ideias dignas de consideração.

Há duas razões básicas pelas quais o equilíbrio entre automação e novas tarefas pode ter mudado. Primeiro, a fronteira de possibilidades de inovação que liga esses dois tipos de mudança tecnológica pode ter se deslocado, facilitando mais automação e tornando a criação de novas tarefas mais difícil (para uma análise formal, veja Acemoglu e Restrepo 2018a). Por exemplo, novas tecnologias de propósito geral baseadas em avanços em hardware e software podem ter tornado mais barata a automação adicional, ou podemos ter ficado sem ideias para gerar novas tarefas (intensivas em trabalho) de alta produtividade. Consideramos mais plausível uma segunda razão para uma mudança nesse equilíbrio: isto é, a economia dos EUA pode ter se movido ao longo de uma dada fronteira de possibilidades de inovação porque os incentivos para automação aumentaram e os para criar novas tarefas declinaram. Vários fatores podem empurrar nessa direção. O código tributário dos EUA subsidia agressivamente o uso de equipamentos (por exemplo, via diversos créditos fiscais e amortização acelerada) e tributa o emprego de trabalho (por exemplo, via impostos sobre a folha de pagamento). Uma tendência a mais (e potencialmente excessiva) automação pode ter sido reforçada pelo foco crescente em automação e no uso de inteligência artificial para remover o elemento humano da maior parte do processo de produção. Esse foco foi recentemente impulsionado tanto pelo papel central que as grandes empresas de tecnologia passaram a desempenhar na inovação, com seu modelo de negócios baseado em automação e forças de trabalho pequenas, quanto pela visão de muitas das luminárias do mundo tech (pense nos esforços da Tesla para automatizar extensivamente a produção, que acabaram se revelando muito custosos). Finalmente, o declínio do apoio governamental à inovação também pode ter contribuído, ao desencorajar pesquisas com horizontes mais longos, o que provavelmente desfavoreceu ainda mais a criação de novas tarefas (que dão frutos mais lentamente) em relação à automação.

Essa lista de fatores pode contribuir não apenas para o equilíbrio mutável entre automação e novas tarefas, mas também para a desaceleração do crescimento da produtividade. Primeiro, como as novas tarefas contribuem para a produtividade, uma reinstalação mais lenta estará associada a um crescimento mais lento da produtividade. Portanto, fatores que inclinam o equilíbrio contra novas tarefas provavelmente se traduzem em oportunidades perdidas de melhoria da produtividade. Além disso, o crescimento salarial mais lento resultante de um efeito de reinstalação fraco torna indiretamente a automação menos produtiva — porque os ganhos de produtividade da automação são crescentes no salário efetivo nas tarefas que estão sendo substituídas, e salários mais baixos, portanto, reduzem esses ganhos de produtividade. Segundo, se as inovações tanto em automação quanto em novas tarefas estão sujeitas a retornos decrescentes (dentro de um dado período de tempo ou ao longo do tempo), uma mudança significativa no equilíbrio entre esses dois tipos de novas tecnologias nos empurrará em direção a desenvolvimentos mais marginais e causará crescimento mais lento da produtividade. Terceiro, como enfatizamos anteriormente, os ganhos de produtividade da automação poderiam ser bastante pequenos para tecnologias mais ou menos — quando a automação substitui tarefas nas quais o trabalho já era produtivo e o capital ainda não é muito eficaz. Sob essa luz, mais automação, especialmente quando induzida por distorções tributárias ou por entusiasmo excessivo em automatizar tudo, assumiria a forma de tais tecnologias mais ou menos e não traria muito em termos de ganhos de produtividade. Por fim, em Acemoglu e Restrepo (2018d), sugerimos que pode haver um descompasso entre as qualificações disponíveis da força de trabalho e as necessidades das novas tecnologias. Isso poderia reduzir ainda mais os ganhos de produtividade da automação e dificultar a introdução de novas tarefas, porque a falta das qualificações requeridas reduz a eficiência com que novas tarefas podem ser utilizadas.

Se o equilíbrio entre automação e novas tarefas se deslocou de forma ineficiente e se isso de fato está contribuindo para automação rápida, para a ausência de poderosos efeitos de reinstalação e para a desaceleração do crescimento da produtividade, então pode haver espaço para intervenções de política que melhorem tanto a criação de empregos quanto o crescimento da produtividade. Essas intervenções podem incluir a remoção de incentivos à automação excessiva (como o tratamento preferencial de bens de capital) e a implementação de novas políticas desenhadas para reequilibrar a direção da mudança tecnológica (para uma discussão mais detalhada no contexto da inteligência artificial, veja Acemoglu e Restrepo 2019).

Este artigo desenvolve um modelo baseado em tarefas para estudar os efeitos de diferentes tecnologias sobre a demanda por trabalho. No centro de nosso arcabouço está o conteúdo de tarefas da produção — que mede a alocação de tarefas aos fatores de produção. A automação, ao criar um efeito de deslocamento, desloca o conteúdo de tarefas da produção contra o trabalho, enquanto a introdução de novas tarefas nas quais o trabalho tem vantagem comparativa o melhora via o efeito de reinstalação. Essas tecnologias são qualitativamente diferentes das fator-ampliadoras, que não impactam o conteúdo de tarefas da produção. Por exemplo, a automação sempre reduz a participação do trabalho e pode reduzir a demanda por trabalho, e novas tarefas sempre aumentam a participação do trabalho.

Mostramos então como mudanças no conteúdo de tarefas da produção e outros contribuintes para a demanda por trabalho podem ser inferidos a partir de dados sobre participações do trabalho, valor adicionado e preços dos fatores em nível de indústria. A principal implicação de nosso exercício empírico usando essa metodologia é que a recente estagnação da demanda por trabalho é explicada por uma aceleração da automação, particularmente na manufatura, e uma desaceleração na criação de novas tarefas. Além disso, e talvez refletindo esse deslocamento na composição dos avanços tecnológicos, a economia também experimentou uma desaceleração acentuada do crescimento da produtividade, contribuindo para uma demanda por trabalho lânguida.

Nosso arcabouço tem implicações claras também para o futuro do trabalho. Nossas evidências e nossa abordagem conceitual não sustentam nem as alegações de que o fim do trabalho humano é iminente nem a presunção de que a mudança tecnológica sempre e em toda parte será favorável ao trabalho. Em vez disso, sugerem que, se a origem do crescimento da produtividade no futuro continuar sendo a automação, a posição relativa do trabalho, junto com o conteúdo de tarefas da produção, declinará. A criação de novas tarefas e outras tecnologias que elevem a intensidade em trabalho da produção e a participação do trabalho são vitais para um crescimento salarial contínuo compatível com o crescimento da produtividade. Se tais tecnologias virão a surgir depende não apenas de nossas capacidades de inovação, mas também da oferta de diferentes qualificações, de mudanças demográficas, de instituições do mercado de trabalho, de políticas governamentais, incluindo impostos e gastos em pesquisa e desenvolvimento, da concorrência de mercado, das estratégias corporativas e do ecossistema de clusters inovadores. Apontamos algumas razões pelas quais o equilíbrio entre automação e novas tarefas pode ter se inclinado ineficientemente em favor da primeira — com implicações potencialmente adversas para empregos e produtividade — e algumas direções para intervenções de política que corrijam esse desequilíbrio.

Acemoglu, Daron, and David Autor. 2011. "Skills, Tasks and Technologies: Implications for Employment and Earnings." Chap. 12 in Handbook of Labor Economics, vol. 4, Part B, edited by David Card and Orley Ashenfelter. Elsevier.

Acemoglu, Daron, David Autor, David Dorn, Gordon H. Hanson, and Brendan Price. 2016. "Import Competition and the Great US Employment Sag of the 2000s." Journal of Labor Economics 34(S1): S141–S198.

Acemoglu, Daron, and Veronica Guerrieri. 2008. "Capital Deepening and Nonbalanced Economic Growth." Journal of Political Economy 116(3): 476–98.

Acemoglu, Daron, and Pascual Restrepo. 2018a. "The Race Between Machine and Man: Implications of Technology for Growth, Factor Shares, and Employment." American Economic Review 108(6): 1488–1542.

Acemoglu, Daron, and Pascual Restrepo. 2018b. "Robots and Jobs: Evidence from US Labor Markets." NBER Working Paper 23285.

Acemoglu, Daron, and Pascual Restrepo. 2018c. "Modeling Automation." AEA Papers and Proceedings, 108: 48–53.

Acemoglu, Daron, and Pascual Restrepo. 2018d. "Artificial Intelligence, Automation and Work." NBER Working Paper 24196.

Acemoglu, Daron, and Pascual Restrepo. 2018e. "Demographics and Automation." NBER Working Paper 24421.

Acemoglu, Daron, and Pascual Restrepo. 2019. "The Wrong Kind of AI? Artificial Intelligence and the Future of Labor Demand." NBER Working Paper 25682.

Aghion, Philippe, Benjamin F. Jones, and Charles I. Jones. 2017. "Artificial Intelligence and Economic Growth." NBER Working Paper 23928.

Allen, Robert C. 2009. The British Industrial Revolution in Global Perspective. Cambridge University Press.

Autor, David H., David Dorn, and Gordon H. Hanson. 2013. "The China Syndrome: Local Labor Market Effects of Import Competition in the United States." American Economic Review 103(6): 2121–68.

Autor, David H., Frank Levy, and Richard J. Murnane. 2003. "The Skill Content of Recent Technological Change: An Empirical Exploration." Quarterly Journal of Economics 118(4): 1279–1333.

Autor, David, and Anna Salomons. 2018. "Is Automation Labor Share–Displacing? Productivity Growth, Employment, and the Labor Share." Brookings Papers on Economic Activity, no. 1, pp. 1–87.

Ayres, Robert U., and Steven M. Miller. 1983. Robotics: Applications and Social Implications. Ballinger Publishing Company.

Budd, Edward C. 1960. "Factor Shares, 1850–1910." Chap. 9 in Trends in the American Economy in the Nineteenth Century. Princeton University Press.

Chandler, Alfred D. 1977. The Visible Hand: The Managerial Revolution in American Business. Harvard University Press.

Chirinko, Robert C., Steven M. Fazzari, and Andrew P. Meyer. 2011. "A New Approach to Estimating Production Function Parameters: The Elusive Capital–Labor Substitution Elasticity." Journal of Business and Economic Statistics 29(4): 587–94.

Dauth, Wolfgang, Sebastian Findeisen, Jens Suedekum, and Nicole Woessner. 2018. "Adjusting to Robots: Worker-Level Evidence." Institute Working Paper 13, Opportunity and Inclusive Growth Institute.

Doms, Mark, Timothy Dunne, and Kenneth R. Troske. 1997. "Workers, Wages, and Technology." Quarterly Journal of Economics 112(1): 253–90.

Elsby, Michael W. L., Bart Hobijn, and Ayşegül Sahin. 2013. "The Decline of the U.S. Labor Share." Brookings Papers on Economic Activity no. 2, pp. 1–63.

Feenstra, Robert, and Gordon Hanson. 1999. "The Impact of Outsourcing and High-Technology Capital on Wages: Estimates for the United States, 1979–1990." Quarterly Journal of Economics 114(3): 907–40.

Goldin, Claudia, and Lawrence F. Katz. 2008. The Race between Education and Technology. Belknap Press.

Graetz, Georg, and Guy Michaels. 2018. "Robots at Work." Review of Economics and Statistics 100(5): 753–68.

Groover, Mikell P., Mitchell Weiss, Roger N. Nagel, and Nicholas G. Odrey. 1986. Industrial Robotics: Technology, Programming and Applications. McGraw-Hill Inc.

Grossman, Gene M., and Esteban Rossi-Hansberg. 2008. "Trading Tasks: A Simple Theory of Offshoring." American Economic Review 98(5): 1978–97.

Habakkuk, John H. 1962. American and British Technology in the Nineteenth Century: The Search for Labor-Saving Inventions. Cambridge University Press.

Herrendorf, Berthold, Richard Rogerson, and Ákos Valentinyi. 2013. "Two Perspectives on Preferences and Structural Transformation." American Economic Review 103(7): 2752–89.

Hubmer, Joachim. 2018. "The Race Between Preferences and Technology." Unpublished paper, Yale University.

Lin, Jeffrey. 2011. "Technological Adaptation, Cities, and New Work." Review of Economics and Statistics 93(2): 554–74.

Mantoux, Paul. 1928. The Industrial Revolution in the Eighteenth Century: An Outline of the Beginnings of the Modern Factory System in England. Jonathan Cape, Ltd.

Michaels, Guy. 2007. "The Division of Labor, Coordination, and the Demand for Information Processing." CEPR Discussion Paper 6358.

Mokyr, Joel. 1990. The Lever of Riches: Technological Creativity and Economic Progress. Oxford University Press: New York.

Ngai, L. Rachel, and Christopher A. Pissarides. 2007. "Structural Change in a Multisector Model of Growth." American Economic Review 97(1): 429–43.

Oberfield, Ezra, and Devesh Raval. 2014. "Micro Data and Macro Technology." NBER Working Paper 20452.

Olmstead, Alan, and Paul Rhode. 2001. "Reshaping the Landscape: The Impact and Diffusion of the Tractor in American Agriculture, 1910–1960." Journal of Economic History 61(3): 663–98.

Rasmussen, Wayne D. 1982. "The Mechanization of Agriculture." Scientific American 247(3): 76–89.

vom Lehn, Christian. 2018. "Understanding the Decline in the U.S. Labor Share: Evidence from Occupational Tasks." European Economic Review 108: 191–220.

Wright, Greg. 2014. "Revisiting the Employment Impact of Offshoring." European Economic Review 66: 63–83.

Zeira, Joseph. 1998. "Workers, Machines, and Economic Growth." Quarterly Journal of Economics 113(4): 1091–1117.