Por que ainda há tantos empregos?

Nos últimos dois séculos, houve avisos periódicos de que a automação e novas tecnologias eliminariam um grande número de empregos de classe média. O exemplo inicial mais conhecido é o movimento ludita do começo do século XIX, em que artesãos têxteis ingleses protestaram contra a automação da produção têxtil tentando destruir algumas máquinas. Um exemplo menos conhecido, mas mais recente, é a preocupação com os “desempregados da automação”, expressão usada no título de uma reportagem da revista TIME, de 24 de fevereiro de 1961:

O número de empregos perdidos para máquinas mais eficientes é apenas parte do problema. O que preocupa ainda mais muitos especialistas em emprego é que a automação pode impedir a economia de criar empregos suficientes. [...] Em toda a indústria, a tendência tem sido maior produção com uma força de trabalho menor. [...] Muitas perdas de empregos fabris foram compensadas por aumentos nas indústrias de serviços ou em empregos de escritório. Mas a automação também está começando a eliminar empregos de escritório. [...] No passado, novas indústrias contratavam muito mais pessoas do que aquelas que tiravam de atividade. Isso não é verdade para muitas das novas indústrias atuais. [...] As novas indústrias de hoje têm comparativamente poucos empregos para trabalhadores não qualificados ou semiqualificados — precisamente a classe cujos empregos vêm sendo eliminados pela automação.

As preocupações com automação e desemprego nos anos 1950 e no começo dos anos 1960 foram suficientemente fortes para que, em 1964, o presidente Lyndon B. Johnson instituísse uma “Comissão Nacional de Alto Nível sobre Tecnologia, Automação e Progresso Econômico”, para enfrentar o problema de produtividade daquele período: a produtividade crescia tão depressa que poderia superar a demanda por trabalho. A comissão concluiu que a automação não ameaçava o emprego: “a tecnologia elimina empregos, não o trabalho” (Bowen, 1966, p. 9). Ainda assim, considerou a ruptura tecnológica suficientemente grave para recomendar renda mínima garantida para as famílias, governo como empregador de última instância, dois anos de educação gratuita em instituições comunitárias ou profissionais, um serviço federal de emprego plenamente administrado e apoio regional do Federal Reserve ao desenvolvimento econômico.

Essas preocupações voltaram a ganhar importância. Em The Second Machine Age, Erik Brynjolfsson e Andrew McAfee (2014, p. 11) descrevem um cenário inquietante: à medida que computadores se tornam mais poderosos, empresas precisam menos de alguns tipos de trabalhadores; o progresso tecnológico pode deixar pessoas para trás. Para quem possui habilidades especiais ou a educação adequada, seria um período excepcional para usar a tecnologia para criar e capturar valor. Para quem dispõe apenas de habilidades “comuns”, seria o pior momento, pois computadores, robôs e tecnologias digitais estariam adquirindo essas habilidades em ritmo extraordinário.

Os dois últimos séculos de automação e progresso tecnológico, evidentemente, não tornaram o trabalho humano obsoleto. A razão emprego-população aumentou ao longo do século XX, mesmo com a entrada das mulheres no mercado de trabalho; e, embora a taxa de desemprego flutue ciclicamente, não há aumento aparente no longo prazo. Isso não resolve a questão futura: maior poder de computação, inteligência artificial e robótica podem substituir trabalho em escala até então não observada. Não existe uma lei econômica fundamental que garanta que todo adulto conseguirá ganhar a vida somente com uma mente sã e bom caráter. Seja qual for o futuro, o presente oferece um ressurgimento da ansiedade em relação à automação (Akst, 2013).

Neste ensaio, Autor identifica por que a automação não eliminou a maioria dos empregos ao longo de décadas e séculos. A automação de fato substitui trabalho — esse normalmente é seu propósito. Mas ela também complementa o trabalho, aumenta a produção de formas que elevam a demanda por trabalho e interage com ajustes na oferta de trabalho. Uma observação central é que jornalistas e até comentaristas especializados tendem a exagerar a substituição de trabalho humano por máquinas e a ignorar as fortes complementaridades entre automação e trabalho, que elevam produtividade, rendimentos e demanda por trabalho.

Mudanças tecnológicas alteram os tipos de emprego disponíveis e o que eles pagam. Nas últimas décadas, uma mudança notável foi a “polarização” do mercado de trabalho: ganhos salariais concentraram-se desproporcionalmente no topo e na base da distribuição de renda e habilidade, não no meio. O artigo apresenta evidências desse fenômeno, mas sustenta que essa polarização dificilmente continuará muito longe no futuro previsível.

A seção final examina como avanços recentes e futuros em inteligência artificial e robótica devem moldar nossa compreensão da mudança ocupacional e do crescimento do emprego. A interação entre vantagens comparativas de máquinas e seres humanos permite que computadores substituam trabalhadores em tarefas rotineiras e codificáveis, ao mesmo tempo em que amplia a vantagem comparativa humana em solução de problemas, adaptabilidade e criatividade. A fronteira da automação avança rapidamente, mas os desafios de substituir trabalhadores em tarefas que exigem flexibilidade, julgamento e senso comum seguem enormes. Em muitos casos, máquinas tanto substituem quanto complementam o trabalho humano. Concentrar-se somente no que se perde deixa de lado um mecanismo econômico central: a automação aumenta o valor das tarefas que apenas os trabalhadores fornecem.

Em 1900, 41% da força de trabalho dos Estados Unidos estava empregada na agricultura; em 2000, essa parcela havia caído para 2% (Autor, 2014), em grande parte por uma ampla gama de tecnologias, incluindo maquinaria automatizada. O automóvel produzido em massa reduziu drasticamente a demanda por ocupações ligadas a cavalos, como ferreiros e tratadores. Ondas sucessivas de equipamentos de terraplanagem e ferramentas motorizadas deslocaram trabalho manual da construção. Mais recentemente, quando um computador processa a folha de pagamento de uma empresa, ordena uma lista de nomes alfabeticamente ou tabula a distribuição etária de residentes em cada distrito censitário, ele substitui uma tarefa que um ser humano teria realizado em época anterior. De modo amplo, muitas — talvez a maioria — das tecnologias de trabalho são concebidas para economizar trabalho: substituir musculatura humana por força mecânica, consistência humana por consistência da máquina e cálculo digital por processamento humano lento e sujeito a erros.

O fato de essas tecnologias cumprirem seu objetivo de economizar trabalho, somado à invenção contínua de mais tecnologias poupadoras de trabalho, levanta uma questão: por que a mudança tecnológica ainda não eliminou o emprego da grande maioria dos trabalhadores? Por que a automação não reduz necessariamente o emprego agregado, mesmo quando reduz comprovadamente a necessidade de trabalho por unidade produzida?

Essas perguntas ressaltam uma realidade econômica tão fundamental quanto frequentemente ignorada: tarefas que não podem ser substituídas por automação costumam ser complementadas por ela. A maioria dos processos de trabalho usa um conjunto multifacetado de insumos: trabalho e capital; cérebro e força física; criatividade e repetição mecânica; domínio técnico e julgamento intuitivo; transpiração e inspiração; adesão a regras e aplicação criteriosa de discrição. Em geral, esses insumos cumprem papéis essenciais: melhorias em um não tornam o outro desnecessário. Assim, ganhos de produtividade em um conjunto de tarefas quase necessariamente elevam o valor econômico das tarefas restantes.

Uma representação clássica dessa ideia é a função de produção do O-ring, estudada por Kremer (1993). No modelo O-ring, a falha de qualquer elo da cadeia de produção faz todo o processo fracassar. Em sentido inverso, melhorar a confiabilidade de um elo aumenta o valor de melhorar todos os demais. Se n − 1 elos têm grande probabilidade de falhar, a confiabilidade do elo n tem pouca consequência; quando os outros se tornam confiáveis, passa a valer mais a pena tornar o elo n confiável também. Analogamente, quando automação ou informatização tornam algumas etapas de um processo mais confiáveis, baratas ou rápidas, aumentam o valor dos elos humanos restantes na cadeia de produção.

Como exemplo contemporâneo, Autor apresenta as complementaridades surpreendentes entre tecnologia da informação e emprego bancário, especialmente a experiência com caixas eletrônicos (ATMs) e caixas de banco documentada por Bessen (2015). Os ATMs foram introduzidos nos anos 1970, e seu número nos Estados Unidos quadruplicou, de cerca de 100 mil para 400 mil, entre 1995 e 2010. Seria natural supor que as máquinas quase eliminaram os caixas bancários. No entanto, o emprego de caixas nos Estados Unidos cresceu modestamente, de 500 mil para aproximadamente 550 mil, no período de trinta anos entre 1980 e 2010 — embora tenham diminuído como parcela do emprego total, dada a expansão da força de trabalho.

Com a disseminação dos ATMs, o que passaram a fazer esses caixas? Bessen identifica duas forças em sentidos opostos. Primeiro, ao reduzir o custo de operar uma agência, ATMs elevaram indiretamente a demanda por caixas: o número de caixas por agência caiu mais de um terço entre 1988 e 2004, mas o número de agências urbanas — também favorecido por uma onda de desregulação bancária — cresceu mais de 40%. Segundo, à medida que tarefas rotineiras de manuseio de dinheiro diminuíam, a tecnologia da informação permitiu que mais funcionários se envolvessem em “banco de relacionamento”. Os bancos passaram a valorizar os caixas não principalmente como atendentes de balcão, mas como vendedores que constroem relacionamentos e apresentam cartões de crédito, empréstimos e produtos de investimento aos clientes.

Esse exemplo não deve ser tratado como paradigma: a mudança tecnológica não é necessariamente favorável ao emprego nem uma melhora de Pareto. Três fatores principais podem mitigar ou ampliar seus efeitos. Primeiro, trabalhadores tendem a se beneficiar diretamente da automação quando fornecem tarefas complementadas por ela, mas não quando fornecem principalmente tarefas substituídas. Um trabalhador da construção que domina a pá, mas não consegue operar uma escavadeira, normalmente verá seus salários cair à medida que a automação avança. Da mesma forma, um caixa bancário que sabe contar dinheiro, mas não consegue fornecer serviços de relacionamento, dificilmente prosperará em um banco moderno.

Segundo, a elasticidade da oferta de trabalho pode moderar ganhos salariais. Se as tarefas complementares de trabalhadores da construção ou de funcionários de relacionamento bancário forem abundantemente disponíveis em outras partes da economia, uma entrada maciça de novos trabalhadores poderá limitar os ganhos salariais que decorreriam da complementaridade entre automação e trabalho humano. Esses efeitos de oferta provavelmente não anulam por completo ganhos salariais movidos por produtividade, mas existem casos extremos: Hsieh e Moretti (2003) mostram que a entrada de novos corretores de imóveis em resposta ao aumento de preços de moradias compensa integralmente os ganhos salariais médios que ocorreriam de outra forma.

Terceiro, a elasticidade da demanda pelo produto, combinada à elasticidade-renda da demanda, pode atenuar ou ampliar ganhos da automação. No longo prazo, melhorias espetaculares de produtividade na agricultura vieram acompanhadas de queda da parcela da renda familiar gasta em alimentos. Em outros setores, como saúde, melhorias tecnológicas elevaram parcelas cada vez maiores da renda gastas com esses serviços. Mesmo que a demanda final por um setor seja inelástica — isto é, mesmo que o setor encolha quando a produtividade sobe — isso não implica queda da demanda agregada, pois a renda excedente pode ser gasta em outro lugar. Quando automóveis substituíram transporte a cavalo e as muitas ocupações que o apoiavam, nos anos 1920, surgiram motéis de estrada e fast food para atender o “público automobilístico” (Jackson, 1993).

O aumento da renda também pode elevar a demanda por atividades que pouco se relacionam com a vanguarda tecnológica. Refeições em restaurantes, serviços de limpeza, cuidados com o cabelo e condicionamento físico não são fortemente complementados nem substituídos pelas tecnologias vigentes; são setores “tecnologicamente defasados”, na formulação de Baumol (1967). Porém, a demanda por esses bens parece fortemente elástica à renda: produtividade crescente nos setores tecnologicamente líderes pode aumentar o emprego nessas atividades. Esse resultado requer, em última análise, elasticidade de substituição entre setores líderes e defasados menor ou igual a um (Autor e Dorn, 2013).

No muito longo prazo, ganhos de produtividade não criaram falta de demanda por bens e serviços. O consumo das famílias acompanhou amplamente a renda familiar, como mostra a elevação, ao menos no último século, da parcela da população em trabalho remunerado apesar das grandes melhorias materiais. Um trabalhador médio dos Estados Unidos em 2015 que quisesse viver no padrão de renda de um trabalhador médio de 1915 poderia aproximadamente alcançar esse objetivo trabalhando cerca de 17 semanas por ano.² A maioria das pessoas, porém, não desejaria trocar tantas horas por renda: as demandas de consumo cresceram junto com a produtividade. Em países de alta renda, as pessoas trabalham menos horas anuais, tiram mais férias e se aposentam mais cedo do que há um século; parte da renda crescente é gasta em lazer. Consumo e lazer parecem complementares: no tempo livre, as pessoas fazem compras, viajam, comem fora e buscam cuidados de saúde.

E a preocupação marxista de que a automação empobreceria trabalhadores ao eliminar a demanda por trabalho? Em modelos econômicos simples, esse resultado não ocorre porque o capital é de propriedade dos agentes econômicos, presumivelmente também trabalhadores; mas os retornos poderiam se acumular para um subconjunto estreito de agentes. Sachs e Kotlikoff (2012) e Sachs, Benzell e LaGarda (2015) estudam ambientes multigeracionais em que um salto de produtividade robótica enriquece uma geração de proprietários de capital às custas de gerações futuras. Estas sofrem porque os frutos do salto de produtividade são consumidos pelos mais velhos, enquanto os jovens enfrentam demanda reduzida por trabalho e, em alguns casos, restrições de crédito que inibem investimento em capital humano. Nesses modelos, a ameaça fundamental não é a tecnologia em si, mas má governança; um imposto apropriado sobre capital torna o avanço tecnológico amplamente favorável ao bem-estar. A conclusão é que automação rápida pode criar desafios distributivos que exigem resposta pública ampla.

Mesmo que a automação não reduza a quantidade de empregos, ela pode alterar profundamente sua qualidade. Durante aproximadamente três décadas, do fim da Segunda Guerra Mundial ao fim dos anos 1970, os Estados Unidos viveram automação e mudança tecnológica rápidas. A Figura 1 oferece uma visão geral da mudança média por década no emprego de sete categorias ocupacionais, ordenadas da mais baixa à mais bem remunerada, em dois períodos: 1940–1980 e 1980–2010.

Figura 1: Mudança média por década nas parcelas de emprego ocupacional dos Estados Unidos, 1940–1980 e 1980–2010.

Fonte: baseado em Katz e Margo (2014), tabela 1.6, painel A, com Censos da População de 1920–2000 e American Community Survey de 2010. As ocupações são agrupadas com os códigos ocupacionais consistentes de 1950 (OCC1950) do IPUMS.

Nas quatro décadas após a Segunda Guerra Mundial, a mudança ocupacional afastou-se fortemente do trabalho fisicamente exigente, perigoso e servil, direcionando-se a trabalho qualificado de colarinho azul e branco. O emprego agrícola caiu quase quatro pontos percentuais por década. O emprego profissional, técnico e gerencial — categorias de maior qualificação — cresceu três pontos percentuais por década: 2,5 para profissionais e técnicos, mais 0,5 para gerentes. Entre o grande grupo de trabalhadores situado entre a agricultura, na base, e profissionais, técnicos e gerentes, no topo, serviços e ocupações qualificadas de colarinho azul permaneceram estáveis; ocupações de escritório e vendas cresceram; e ocupações operacionais e de trabalho braçal caíram acentuadamente.

Assim, trabalho fisicamente exigente, repetitivo, perigoso e cognitivamente monótono estava recuando, impulsionado por extraordinários ganhos de produtividade agrícola. A elevação da renda dos consumidores estimulou demanda por bens manufaturados e complementos de lazer. O crescimento de corporações intensivas em tecnologia, dos serviços de saúde e do ensino superior criou emprego para profissionais credenciados e para uma camada de apoio administrativo, gerencial e de vendas. Embora a automação estivesse reduzindo a demanda de trabalho em grande conjunto de ocupações, é fácil entender por que as perspectivas gerais de emprego pareciam amplamente favoráveis no período.

Depois do fim dos anos 1970, porém, esses ventos favoráveis diminuíram e, em alguns casos, inverteram-se. Empregos no topo da distribuição de habilidades — profissionais, técnicos e gerenciais — cresceram ainda mais depressa entre 1980 e 2010. Fora dessas categorias, as mudanças positivas se interromperam em grande medida. Ocupações qualificadas de colarinho azul caíram rapidamente; empregos de escritório e vendas, os vulneráveis “empregos de produção” da era da informação, inverteram sua trajetória; e empregos operacionais e braçais fisicamente exigentes continuaram a definhar. Serviços pessoais de baixa remuneração passaram a absorver parcela crescente do trabalho sem formação universitária.

Muitas forças diferenciam os mercados de trabalho de 1940–1980 e de 1980–2010: mudanças na oferta relativa de trabalhadores com e sem ensino superior, maior penetração do comércio, terceirização e globalização de cadeias produtivas, queda da presença sindical, alteração do valor real do salário mínimo e mudanças na política fiscal. Muitos desses fatores se combinam e interagem; seria imprudente atribuir as mudanças a uma única causa. O foco de Autor, porém, são os efeitos da mudança tecnológica — em particular, da tecnologia da informação — sobre emprego, ocupações e, depois, salários.

Para compreender o papel da tecnologia da informação, é útil partir de princípios básicos. Computadores seguem procedimentos detalhadamente definidos por programadores. Em geral, para um computador realizar uma tarefa, alguém precisa primeiro compreender por completo a sequência de passos necessária e então escrever um programa que faça a máquina simular esses passos com precisão. O aprendizado de máquina, discutido adiante, é uma exceção importante. Quando um computador processa a folha de pagamento de uma empresa, ordena nomes ou tabula idades, ele simula um processo de trabalho que antes seria realizado por seres humanos com procedimentos quase idênticos. O princípio não mudou desde o início da informática; o custo, sim. Um artigo de William Nordhaus (2007) estima que o custo de executar um conjunto padronizado de cálculos caiu pelo menos 1,7 trilhão de vezes desde a era da computação manual, e a maior parte da queda ocorreu desde 1980. Por isso, firmas têm fortes incentivos econômicos para substituir poder computacional cada vez mais barato por trabalho humano relativamente caro.

À medida que o preço do poder computacional caiu, computadores e seus “primos” robóticos deslocaram trabalhadores de tarefas explícitas e codificáveis. Autor, Levy e Murnane (2003) chamam essas atividades de tarefas rotineiras: não porque sejam necessariamente banais, mas porque podem ser plenamente codificadas e, portanto, automatizadas. Elas incluem cálculos matemáticos de contabilidade simples; recuperação, classificação e armazenamento de informação estruturada típica do trabalho administrativo; e execução precisa de uma operação física repetitiva em ambiente invariável. Como tarefas centrais dessas ocupações seguem procedimentos precisos e bem compreendidos, são cada vez mais codificadas em software e executadas por máquinas. Essa força produziu queda substancial do emprego administrativo e de apoio de escritório e, em menor grau, da produção e do trabalho operacional.

O alcance dessa substituição, contudo, é limitado. Muitas tarefas são compreendidas tacitamente e executadas sem esforço pelas pessoas, mas nem programadores nem qualquer outra pessoa consegue enunciar suas regras ou procedimentos explícitos. Autor chama essa restrição de paradoxo de Polanyi, em referência à observação de Michael Polanyi (1966): “sabemos mais do que podemos dizer”. Quebrar um ovo na borda de uma tigela, reconhecer uma espécie de pássaro num vislumbre, escrever um parágrafo persuasivo ou formular uma hipótese para explicar um fenômeno pouco compreendido são tarefas que realizamos por conhecimento tácito. As mais difíceis de automatizar exigem flexibilidade, julgamento e senso comum.³

O paradoxo de Polanyi também ajuda a explicar por que raciocínio de alto nível é relativamente simples de informatizar, enquanto certas habilidades sensório-motoras não são. O raciocínio de alto nível usa instrumentos lógicos formais desenvolvidos especificamente para resolver problemas formais: contagem, matemática, dedução lógica e codificação de relações quantitativas. Em contraste, habilidades sensório-motoras, flexibilidade física, senso comum, julgamento, intuição, criatividade e linguagem falada são capacidades que a espécie humana desenvolveu, não capacidades criadas para serem formalizadas. Formalizá-las requer engenharia reversa de atividades que normalmente desempenhamos com entendimento tácito.

Se computadores substituem em grande medida tarefas rotineiras, como caracterizar as tarefas não rotineiras que eles não substituem? Autor, Levy e Murnane (2003) distinguem dois conjuntos. O primeiro reúne tarefas que requerem resolução de problemas, intuição, criatividade e persuasão; chamadas de abstratas, são típicas de ocupações profissionais, técnicas e gerenciais. Empregam trabalhadores com maior escolaridade e capacidade analítica e valorizam raciocínio indutivo, comunicação e domínio especializado. O segundo reúne tarefas que demandam adaptabilidade situacional, reconhecimento visual e de linguagem e interação presencial; chamadas de manuais, são típicas de preparação e serviço de alimentos, limpeza, zeladoria, manutenção de terrenos, assistência presencial em saúde e serviços de segurança e proteção. Embora não sejam altamente qualificadas para padrões do mercado de trabalho dos Estados Unidos, apresentam obstáculos formidáveis à automação e seus resultados — cortes de cabelo, refeições frescas, limpeza da casa — devem ser produzidos em grande parte no local ou pessoalmente. Portanto, também não são facilmente terceirizáveis.

Como empregos intensivos em tarefas abstratas e manuais ficam em extremos opostos do espectro de habilidades ocupacionais — profissionais, gerentes e técnicos de um lado; serviços e trabalho braçal de outro —, a informatização de tarefas rotineiras pode gerar crescimento simultâneo de empregos de alta escolaridade e salários altos e de empregos de baixa escolaridade e salários baixos, ambos às custas de empregos intermediários. Goos e Manning (2003) chamaram esse fenômeno de polarização do emprego. Um grande corpo de evidências dos Estados Unidos e de outros países confirma a polarização no nível de indústrias, localidades e mercados nacionais (Autor, Katz e Kearney, 2006, 2008; Goos e Manning, 2007; Autor e Dorn, 2013; Michaels, Natraj e Van Reenen, 2014; Goos, Manning e Salomons, 2014; Graetz e Michaels, 2015; Autor, Dorn e Hanson, 2015).⁴

Figura 2: Mudança no emprego por grande categoria ocupacional, 1979–2012.

Fontes: cálculos do autor com os arquivos IPUMS dos Censos de 1980, 1990 e 2000; arquivo combinado da American Community Survey de 2006–2008; e American Community Survey de 2012. A amostra inclui população civil não institucionalizada de 16 a 64 anos; o emprego é medido em equivalentes de tempo integral. A figura mostra a variação, por década, do emprego em dez grandes grupos que abrangem o emprego não agrícola dos EUA; o eixo vertical traz 100 vezes a variação logarítmica do emprego, praticamente equivalente a pontos percentuais para variações pequenas. Ocupações agrícolas representam no máximo 2,2% do emprego no intervalo e sua omissão tem efeito desprezível.

Figura 3: Mudança nas parcelas de emprego em ocupações de remuneração baixa, média e alta em 16 países da União Europeia, 1993–2010.

Fonte: Goos, Manning e Salomons (2014), tabela 2. Ocupações de remuneração alta incluem gestores, profissionais e técnicos; as de remuneração média incluem operadores, ofícios, motoristas, escriturários e montadores; as de remuneração baixa incluem trabalhadores de mineração, construção, manufatura e transporte, serviços pessoais e de proteção, vendas e serviços elementares.

As Figuras 2 e 3 documentam a polarização posterior. A Figura 2 mostra a mudança, por década, entre 1979 e 2012, em dez grandes grupos ocupacionais. À direita estão gestores, profissionais e técnicos, muito escolarizados e bem remunerados; as quatro colunas seguintes são ocupações de qualificação média — vendas, apoio administrativo, produção/ofícios/reparo e operadores/fabricadores/trabalhadores braçais. À esquerda estão os serviços, definidos pelo Census Bureau como empregos de ajudar, cuidar ou assistir outras pessoas. A maioria de seus trabalhadores não tem educação pós-secundária e, na maior parte dos casos, seus salários horários médios ficam abaixo dos das outras sete categorias.

O crescimento rápido no topo e na base reduziu substancialmente a participação das ocupações de qualificação média: elas respondiam por 60% do emprego em 1979, 49% em 2007 e 46% em 2012. A parcela dos serviços ficou praticamente estável entre 1959 e 1979; seu crescimento veloz depois de 1980 é, portanto, uma reversão acentuada de tendência (Autor e Dorn, 2013). A polarização tampouco é exclusivamente norte-americana. A Figura 3 mostra que, entre 1993 e 2010, ocupações de remuneração média perderam participação em todos os 16 países da União Europeia analisados, enquanto ocupações de alta e de baixa remuneração a ganharam. Os dados dos EUA e da UE não são estritamente comparáveis, mas os EUA ficariam aproximadamente no meio desse conjunto. A semelhança sugere forças comuns; as grandes diferenças entre os países mostram que nenhuma causa única explica todas as experiências.

O formato de haltere do crescimento ocupacional nas Figuras 2 e 3 pode sugerir que a polarização do emprego geraria também polarização salarial: salários relativos maiores tanto em ocupações abstratas, intensivas em educação, quanto em ocupações manuais de baixa escolaridade. Esse raciocínio, porém, deixa de fora as três forças discutidas antes: complementaridade, elasticidade da demanda e oferta de trabalho.

Considere primeiro as ocupações abstratas — gestão, profissões e funções técnicas. Todas usam grandes corpos de conhecimento que se renovam continuamente: medicina, precedentes jurídicos, dados de vendas, análise financeira, linguagens de programação e estatísticas econômicas. A tecnologia da informação as complementa fortemente: reduz o custo e amplia o alcance da informação e da análise disponíveis, permitindo que esses trabalhadores se especializem em sua vantagem comparativa, gastando menos tempo para obter e processar informação e mais para interpretá-la e aplicá-la. Ao mesmo tempo, ela substitui muitas ocupações de apoio dessas profissões, como secretárias médicas, paralegais e assistentes de pesquisa, e parece permitir o achatamento das hierarquias gerenciais (Caroli e Van Reenen, 2001), deslocando gerentes intermediários que processavam informação rotineira.

Se a demanda pelos resultados dessas atividades fosse inelástica, os ganhos de produtividade poderiam reduzir o gasto total e limitar os ganhos salariais. Mas as evidências indicam que, à medida que a tecnologia ampliou a produção das profissões, a demanda por seus serviços mais que acompanhou o ritmo — um ponto evidente em saúde e igualmente plausível em finanças, direito, engenharia, pesquisa e design. A oferta tampouco se ajusta rapidamente: muitas profissões exigem graduação e pós-graduação, de modo que formar entrantes leva pelo menos cinco a dez anos. Autor observa que, entre jovens norte-americanos, especialmente homens, a resposta ao prêmio educacional crescente foi lenta. Em 1975, aproximadamente 40% das horas trabalhadas por homens com menos de dez anos de experiência eram ofertadas por graduados; quarenta anos depois, em 2005, a participação quase não havia mudado.[^nt1] Entre mulheres com menos de dez anos de experiência, a participação passou de 42%, em 1982, para 53%, em 2005; em 2012, era de 52% para homens e 62% para mulheres. O estoque de graduados cresceu, mas não a ponto de inundar a demanda contemporânea.

Assim, ocupações abstratas se beneficiam de uma combinação de complementaridade entre tarefas rotineiras e abstratas, demanda elástica por seus serviços e oferta inelástica no curto e médio prazo. A previsão é de ganhos de renda para ocupações intensivas em tarefas abstratas e para quem as fornece. As mesmas sinergias não valem para tarefas manuais intensivas, como limpeza, direção de veículos, segurança, serviço de bordo, alimentação e cuidado domiciliar. Elas dependem pouco de processamento de informação em suas tarefas centrais e oferecem poucas possibilidades de complementaridade ou substituição direta.⁶

Evidência agregada indica que a demanda final por trabalho manual intensivo — sobretudo serviços — é relativamente inelástica ao preço (Baumol, 1967; Autor e Dorn, 2013). Reduzir o preço por unidade não eleva necessariamente o gasto com esses serviços. Em contrapartida, a demanda parece elástica à renda (Clark, 1951; Mazzolari e Ragusa, 2013): o aumento da renda agregada tende a ampliar tais atividades. A oferta para elas é intrinsecamente elástica por exigirem, em geral, pouca educação e treinamento. Portanto, ainda que seus salários possam subir, a resposta da oferta — inclusive de trabalhadores deslocados em outros setores — limita esse aumento. A tecnologia da informação pode polarizar a quantidade de empregos sem produzir uma polarização salarial correspondente. Autor e Dorn (2013) encontram salários maiores em tarefas manuais nos anos 1990, quando o mercado estava muito apertado; após 2000, a expansão dos serviços manuais acelerou enquanto seus salários caíam.

Figura 4: Variação dos salários médios por percentil de habilidade ocupacional entre trabalhadores de tempo integral durante todo o ano, 1979–2012.

Fontes: cálculos do autor com IPUMS dos Censos de 1980, 1990 e 2000 e American Community Survey. A figura apresenta mudanças no logaritmo do salário médio em cada período, por percentil de habilidade ocupacional de 1979, estimadas por regressão de suavização local. A amostra inclui população civil não institucionalizada em idade ativa com 48 ou mais semanas anuais e 35 ou mais horas semanais habituais; o salário semanal é a renda anual dividida pelas semanas trabalhadas.

A Figura 4 ordena 318 ocupações detalhadas da menor à maior habilidade inicial, medida pelo salário horário médio de 1979; pondera-as por seu tamanho inicial e agrupa-as em cem faixas iguais. O eixo vertical mostra a variação percentual de salários em quatro períodos. Seus dois terços à direita se parecem com os gráficos de polarização do emprego: de 1979 a 2007, os salários subiram de modo consistente na parte de alta habilidade, desproporcionalmente formada por ocupações profissionais, técnicas e gerenciais. No centro, tipicamente intensivo em rotinas, o crescimento salarial foi menor e desacelerou. À esquerda, em ocupações manuais de baixa escolaridade, o crescimento foi um pouco maior que o do meio nos anos 1980 e muito maior nos anos 1990; nos anos 2000, a situação se inverteu. Embora o emprego dessas ocupações tenha crescido mais que o de todas as outras categorias entre 1999 e 2007, o crescimento salarial foi geralmente negativo nos percentis baixos.

Autor propõe que o declínio de empregos rotineiros de qualificação média deslocou novos entrantes, trabalhadores demitidos e pessoas atingidas pela recessão para ocupações manuais. A figura também mostra crescimento salarial anêmico durante todos os anos 2000, antes mesmo da Grande Recessão: de 1999 a 2007, a mudança salarial real foi negativa abaixo de aproximadamente o percentil 15 e inferior a cinco pontos percentuais até o percentil 70; de 2007 a 2012 foi quase nula em todos os percentis.⁷ Os ganhos acelerados do 1% do topo aparecem pouco porque o gráfico é por percentil ocupacional, não por percentil salarial, e porque os rendimentos mais altos são censurados nos arquivos públicos do Census e da American Community Survey.

A hipótese de que automação e tecnologia da informação provocaram polarização ocupacional e, em menor grau, salarial explica traços importantes dos dados norte-americanos e internacionais, mas a realidade é mais complexa. Uma dificuldade para essa tese é a desaceleração não explicada do crescimento das ocupações abstratas depois de 2000 (Beaudry, Green e Sand, 2014; Mishel, Shierholz e Schmitt, 2013).

Figura 5: Mudanças suavizadas no emprego por percentil de habilidade ocupacional, 1979–2012.

Fontes: cálculos do autor com IPUMS e American Community Survey. A figura usa o formato da Figura 4, mas mostra mudanças na participação do emprego das ocupações ordenadas por sua habilidade em 1979. Como as participações somam um, cada altura representa crescimento relativo ao total.

A Figura 5 acrescenta três nuances. Primeiro, os ganhos de emprego em ocupações manuais de baixos salários aceleraram sucessivamente nos períodos. Segundo, as ocupações que perdem participação parecem ser retiradas de posições cada vez mais altas da distribuição: na década de 1980, a ocupação de maior posição a perder participação ficava aproximadamente no percentil 45; nos dois últimos subperíodos, esse limite sobe acima do percentil 75. Terceiro, o crescimento de ocupações de alta habilidade e salários altos desacelerou fortemente nos anos 2000: não houve crescimento relativo nos dois decis superiores entre 1999 e 2007 e houve apenas recuperação modesta entre 2007 e 2012. O padrão, antes em U — ganhos nos extremos baixo e alto —, passou a se parecer com uma rampa descendente.

Uma interpretação seria que automação e TI passaram a substituir fortemente trabalho profissional, técnico e gerencial. Autor considera essa possibilidade, mas observa que ela não combina com o investimento em computadores e software. Se a TI estivesse substituindo cada vez mais trabalhadores do topo, seria esperado um salto no investimento corporativo. A Figura 6 mostra o contrário: no começo de 2014, investimento em equipamentos de processamento de informação e software era 3,5% do PIB, nível visto pela última vez em 1995, no início da era ponto-com. A evidência sugere uma desorganização temporária da demanda por capital de TI na segunda metade dos anos 1990, seguida de forte correção após 2000.

Figura 6: Investimento fixo privado em equipamentos de processamento de informação e software como porcentagem do PIB, 1949–2014.

Fonte: FRED, Federal Reserve Bank of St. Louis. http://research.stlouisfed.org/fred2/graph/?g=GXc (acesso em 3/8/2014).

Nota editorial (não consta do original). O excesso de investimento de TI no fim dos anos 1990 pode ter elevado temporariamente a demanda por competências abstratas, enquanto sua reversão reduziu essa demanda nos anos 2000. A hipótese não explica tudo e não é demonstrada de forma causal; o ponto é mais limitado: a evolução recente de ocupações de alta qualificação é difícil de conciliar com uma narrativa simples de invasão tecnológica contínua do topo da distribuição.

A queda acentuada do investimento em informação pode ter amortecido a atividade inovadora e a demanda por trabalhadores altamente qualificados de forma mais ampla. Mudança tecnológica, porém, está longe de ser o único fator a afetar o mercado de trabalho norte-americano nos quinze anos anteriores ao artigo. A desaceleração dos salários e as mudanças ocupacionais após 2000 — e, com mais intensidade, após 2007 — também se relacionam a dois tipos de eventos macroeconômicos. Primeiro, o estouro da bolha ponto-com em 2000 e o colapso do mercado imobiliário com a crise financeira de 2007–2008 reduziram investimento e inovação. Segundo, a globalização rápida provocou deslocamentos de emprego, em especial a elevação da penetração de importações chinesas após a entrada da China na Organização Mundial do Comércio, em 2001 (Autor, Dorn e Hanson, 2013; Pierce e Schott, 2012; Acemoglu et al., no prelo).

A ascensão chinesa como grande exportadora de manufaturados afetou trabalhadores norte-americanos de forma extensa: reduziu emprego em indústrias manufatureiras diretamente concorrentes com importações e deprimiu a demanda por trabalho tanto na manufatura quanto nos setores não manufatureiros que forneciam insumos a essas indústrias. Essas forças também se ligam à automação e à tecnologia: avanços em informação e comunicação mudam diretamente a demanda por trabalho e tornam mais viável e barato para empresas adquirir, monitorar e coordenar processos complexos de produção em locais distintos no mundo. Essa complementaridade multidimensional torna conceitual e empiricamente difícil isolar o efeito “puro” de qualquer fator.

Avanços em inteligência artificial, aprendizado de máquina e robótica ampliam tarefas suscetíveis à informatização e desafiam a separação nítida entre rotineiro e não rotineiro. O artigo ressalta que empregos são compostos de muitas tarefas: a automação e a informatização substituem algumas, mas entender sua interação com o emprego exige considerar o conjunto de tarefas, como o trabalho humano complementa a tecnologia, as elasticidades de preço e renda dos diferentes produtos e as respostas da oferta de trabalho. As tarefas mais difíceis de automatizar continuam sendo as que exigem flexibilidade, julgamento e senso comum — habilidades entendidas apenas de modo tácito, isto é, o paradoxo de Polanyi.

Na década anterior ao estudo, computadores e robôs avançaram sobre áreas antes consideradas inacessíveis: dirigir veículos, analisar documentos jurídicos e até executar trabalho agrícola de campo. Isso não significa, para Autor, que a grande maioria das tarefas esteja prestes a ser automatizada. O paradoxo explica tanto o que ainda não foi realizado quanto os caminhos pelos quais mais automação poderá ser obtida. Ele separa dois caminhos: controle ambiental, que regulariza o contexto para permitir a ação semiautônoma de máquinas relativamente inflexíveis; e aprendizado de máquina, que inverte o paradoxo ao fazer máquinas inferirem regras tácitas a partir de contexto, dados abundantes e estatística aplicada. O primeiro caminho é a necessidade de controlar o ambiente. Linhas de montagem automatizadas funcionam porque engenheiros simplificam e regularizam radicalmente o mundo em que a máquina opera; fora dele, flexibilidade, reconhecimento, destreza e coordenação fina continuam caros de reproduzir.⁸

O caso da reparação é ilustrativo. Fábricas automotivas modernas empregam robôs industriais para instalar para-brisas quando carros novos avançam pela linha de montagem. Empresas que substituem para-brisas após a venda empregam técnicos, não robôs. Remover um vidro quebrado, preparar sua moldura e encaixar a reposição exigem adaptabilidade em tempo real que robôs contemporâneos não alcançam de forma economicamente viável. A distinção entre linha de montagem e reparo no local evidencia o papel do controle ambiental. A regularização ambiental é tão familiar que costuma passar despercebida: para tornar possíveis os automóveis, a humanidade nivelou, reclassificou e cobriu de asfalto uma parcela relevante do território.⁹

Os armazéns da Kiva Systems, comprada pela Amazon em 2012, mostram automação parcial. Um programa de despacho coordena o fluxo de mercadorias: robôs transportam prateleiras vazias à área de carga, trabalhadores humanos colocam a mercadoria, robôs levam as prateleiras ao estoque e, quando chegam pedidos, trazem-nas à área de embalagem. Um separador humano, guiado por ponteiro a laser controlado pelo programa, recolhe objetos, embala, etiqueta e envia. Robôs movem prateleiras em superfície plana; pessoas manuseiam mercadorias; o software coordena a atividade. O carro autônomo do Google é outro caso: ele navega comparando sensores em tempo real com mapas cuidadosamente preparados de estradas, sinais e obstáculos. Quando o ambiente difere do que foi pré-processado — um desvio inesperado ou guarda de trânsito —, exige que o operador assuma. Parece flexível, mas se aproxima de um trem em trilhos invisíveis.

Aprendizado de máquina

O paradoxo de Polanyi — sabemos mais do que conseguimos dizer — desafia a automação baseada em regras: se a pessoa não consegue explicar um procedimento, o programador aparentemente não pode codificá-lo. O aprendizado de máquina altera esse quadro ao aplicar estatística e raciocínio indutivo onde regras formais são desconhecidas. Em vez de instruir uma máquina a simular uma tarefa por roteiro explícito, engenheiros podem fazê-la aprender a partir de exemplos bem-sucedidos, com exposição, treinamento e reforço.

Autor usa o reconhecimento visual de uma cadeira. Um programa convencional poderia listar pernas, braços, assento e encosto, mas logo encontraria cadeiras sem alguns desses elementos e, ao flexibilizar a regra, passaria a aceitar objetos que não são cadeiras, como pequenas mesas. Uma criança reconhece a categoria com precisão, mas não consegue enunciar integralmente o conhecimento que usa. No aprendizado de máquina, grande base de “verdade de referência” — exemplos rotulados — permite inferir atributos que tornam um objeto mais ou menos provável de ser uma cadeira. Depois do treinamento, o modelo pode classificar cadeiras diferentes das vistas originalmente, sem precisar de um modelo físico explícito de “ser cadeira”. É uma técnica ateórica de força bruta, que exige dados de treinamento, poder de processamento e software sofisticado.¹⁰

Mecanismos de busca, Google Tradutor, comandos de voz e recomendações da Netflix mostram sucessos práticos dessa abordagem. Se a maioria de quem busca “degrees bacon” escolhe links de Kevin Bacon, em vez de temperaturas de cozimento, o mecanismo tende a elevar links sobre o ator. Para Autor, as ferramentas são inconsistentes: às vezes inquietantemente precisas, em geral apenas razoáveis e ocasionalmente insondáveis. Algoritmos também não conseguem explicar aos programadores por que fazem o que fazem. Watson, da IBM, venceu campeões do Jeopardy!, mas respondeu “Toronto” a uma pista sobre uma cidade dos Estados Unidos. Em 2012, o Google X Lab usou rede neural de 16 mil processadores para identificar gatos no YouTube — a manchete perguntava, com ironia, “Quantos computadores para identificar um gato? 16.000”.

Software, hardware e dados melhoram rapidamente, portanto esses exemplos devem ser vistos como protótipos, não produtos maduros. Alguns pesquisadores esperam que a força bruta alcance ou ultrapasse capacidades humanas; outros consideram que ela acertará apenas em média e perderá as exceções mais importantes. Uma cadeira é, afinal, um objeto construído para alguém sentar-se; algoritmos podem ter dificuldades fundamentais com intencionalidade e uso pretendido, mesmo com uma base arbitrariamente grande de imagens (Grabner, Gall e Van Gool, 2011). Como escreveu Carl Sagan (1980, p. 218), para fazer uma torta de maçã do zero é preciso primeiro inventar o universo.

Os jornais oferecem diariamente exemplos de tecnologias que substituem trabalho humano em conjunto crescente, embora ainda circunscrito, de tarefas. Os efeitos compensatórios — complementaridades e demanda maior em outras áreas — são muito mais difíceis de enxergar enquanto ocorrem. Autor prevê que a polarização do emprego não continuará indefinidamente. Embora algumas tarefas de muitos empregos atuais de qualificação média sejam suscetíveis à automação, muitos desses empregos continuarão exigindo mistura de tarefas de todo o espectro de habilidades.

Ocupações de apoio médico — técnicos de radiologia, flebotomistas, técnicos de enfermagem e outras — são categoria significativa e de crescimento rápido, relativamente bem remunerada e de qualificação média. Exigem matemática, ciências da vida e raciocínio analítico de nível intermediário; em geral, ao menos dois anos de formação profissional pós-secundária e, em certos casos, diploma de quatro anos ou mais. O mesmo vale para ofícios e reparos, como encanadores, construtores, eletricistas, instaladores de aquecimento/ventilação/ar-condicionado e técnicos automotivos, bem como para funções administrativas modernas de coordenação e decisão, e não apenas digitação e arquivamento. A tecnologia também permite a trabalhadores com domínio técnico menos esotérico assumir mais tarefas, como enfermeiros de prática avançada que diagnosticam e prescrevem em lugar de médicos.

O autor espera que persista um estrato relevante de ocupações de qualificação média, combinando competências vocacionais específicas com letramento, numeracia, adaptabilidade, resolução de problemas e senso comum. Muitas tarefas reunidas nesses empregos não podem ser facilmente desagregadas — máquinas ficando com a parte intermediária e pessoas com um resíduo de baixa qualificação — sem perda substancial de qualidade. Os empregos que persistirem devem combinar tarefas técnicas rotineiras com interação interpessoal, flexibilidade, adaptação e solução de problemas; por privilegiarem presença física, podem também ser menos suscetíveis à terceirização internacional. Lawrence Katz chama quem combina virtuosamente tarefas técnicas e interpessoais de “os novos artesãos”; Holzer (2015) documenta o rápido crescimento desses novos empregos de qualificação média, mesmo quando produção tradicional e funções administrativas encolhem.¹¹

Há, contudo, uma condição: a capacidade dos sistemas público e privado de educação e treinamento dos Estados Unidos de formar pessoas que prosperem nesses empregos é incerta. O problema não é que trabalhadores de classe média estejam condenados pela automação; é que investimento em capital humano deve estar no centro de qualquer estratégia de longo prazo para produzir habilidades complementadas, e não substituídas, pela mudança tecnológica. Em 1900, o jovem norte-americano nativo típico tinha educação equivalente aproximadamente ao sexto ao oitavo ano. Quando emprego agrícola caiu e a indústria cresceu, os EUA responderam, nas quatro primeiras décadas do século XX, tornando-se o primeiro país a oferecer ensino médio universal — movimento liderado, de modo revelador, por estados agrícolas. Os ajustes sociais a ondas tecnológicas anteriores não foram rápidos, automáticos nem baratos, mas renderam muito.

Por fim, se o trabalho humano de fato se tornar supérfluo, o problema econômico central será de distribuição, não de escassez. Nas economias de mercado, a distribuição de renda está ancorada na escassez do trabalho: pessoas possuem ou adquirem capital humano valioso que gera renda ao longo da carreira. Se máquinas o tornassem dispensável, haveria riqueza agregada vasta, mas o desafio sério de definir propriedade e partilha. A história sugere que abundância não elimina escassez percebida nem conflitos distributivos. Autor retoma Herbert Simon (1966): os problemas econômicos daquela geração e da seguinte eram problemas de escassez, não de abundância intolerável; o bicho-papão da automação consumia capacidade de preocupação que deveria ser reservada para problemas reais. Meio século depois, o autor considera que a evidência favorece a visão de Simon.

As referências abaixo reproduzem a bibliografia da publicação original. Os títulos e os dados bibliográficos permanecem no idioma de publicação para permitir a localização precisa das fontes.

• Acemoglu, Daron, David H. Autor, David Dorn, Gordon Hanson, and Brendan Price. Forthcoming. “Import Competition and the Great U.S. Employment Sag of the 2000s.” Journal of Labor Economics.
• Akst, Daniel. 2013. “What Can We Learn from Past Anxiety over Automation?” The Wilson Quarterly, Summer.
• Alpert, Andrew, and Jill Auyer. 2003. “Evaluating the BLS 1988–2000 Employment Projections.” Monthly Labor Review, October, pp. 13–37.
• Andreopoulos, Alexander, and John K. Tsotsos. 2013. “50 Years of Object Recognition: Directions Forward.” Computer Vision and Image Understanding 117(8): 827–91.
• Atkinson, Anthony B., Thomas Piketty, and Emmanuel Saez. 2011. “Top Incomes in the Long Run of History.” Journal of Economic Literature 49(1): 3–71.
• Autor, David H. 2013. “The ‘Task Approach’ to Labor Markets: An Overview.” Journal for Labour Market Research 46(3): 185–99.
• Autor, David H. 2014. “Skills, Education, and the Rise of Earnings Inequality among the ‘Other 99 Percent.’” Science 344(6186): 843–51.
• Autor, David H. 2015. “Polanyi’s Paradox and the Shape of Employment Growth.” In Re-Evaluating Labor Market Dynamics, pp. 129–79. Federal Reserve Bank of Kansas City.
• Autor, David H. Forthcoming. “The Paradox of Abundance: Automation Anxiety Returns.” In Performance and Progress: Essays on Capitalism, Business and Society, edited by Subramanian Rangan. London: Oxford University Press.
• Autor, David H., and David Dorn. 2013. “The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market.” American Economic Review 103(5): 1553–97.
• 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., David Dorn, and Gordon H. Hanson. 2015. “Untangling Trade and Technology: Evidence from Local Labor Markets.” Economic Journal 125(584): 621–46.
• Autor, David H., Lawrence F. Katz, and Melissa S. Kearney. 2006. “The Polarization of the U.S. Labor Market.” American Economic Review 96(2): 189–94.
• Autor, David H., Lawrence F. Katz, and Melissa S. Kearney. 2008. “Trends in U.S. Wage Inequality: Revising the Revisionists.” Review of Economics and Statistics 90(2): 300–323.
• 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.
• Baumol, William J. 1967. “Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis.” American Economic Review 57(3): 415–26.
• Beaudry, Paul, David A. Green, and Benjamin M. Sand. 2014. “The Declining Fortunes of the Young since 2000.” American Economic Review 104(5): 381–86.
• Bessen, James. 2015. “Toil and Technology.” Finance and Development 52(1).
• Bowen, Harold R. (Chairman). 1966. “Report of the National Commission on Technology, Automation, and Economic Progress: Volume I.” Washington: U.S. Government Printing Office.
• Brynjolfsson, Erik, and Andrew McAfee. 2014. The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. New York and London: W.W. Norton & Company.
• Caroli, Eve, and John Van Reenen. 2001. “Skill-Biased Organizational Change? Evidence from a Panel of British and French Establishments.” Quarterly Journal of Economics 116(4): 1449–92.
• Clark, Colin. 1951. The Conditions of Economic Progress, 2nd edition. London: Macmillan.
• Cortes, Guido Matias, Nir Jaimovich, Christopher J. Nekarda, and Henry E. Siu. 2014. “The Micro and Macro of Disappearing Routine Jobs: A Flows Approach.” NBER Working Paper 20307, July.
• Douglas, Paul H. 1930. Real Wages in the United States, 1890–1926. New York: Houghton Mifflin Company.
• Foote, Christopher L., and Richard W. Ryan. 2014. “Labor-Market Polarization over the Business Cycle.” Public Policy Discussion Paper 12-8, Federal Reserve Bank of Boston, April.
• Frey, Carl Benedikt, and Michael A. Osborne. 2013. “The Future of Employment: How Susceptible are Jobs to Computerization?” Oxford Martin School, September.
• Friedman, Thomas L. 2010. “The Election That Wasn’t.” New York Times, October 23.
• Goldin, Claudia, and Lawrence F. Katz. 2008. The Race between Education and Technology. Cambridge: Harvard University Press.
• Goos, Maarten, and Alan Manning. 2007. “Lousy and Lovely Jobs: The Rising Polarization of Work in Britain.” Review of Economics and Statistics 89(1): 118–33.
• Goos, Maarten, and Alan Manning. 2003. “Lousy and Lovely Jobs: The Rising Polarization of Work in Britain.” Center for Economic Performance Discussion Papers DP0604, December.
• Goos, Maarten, Alan Manning, and Anna Salomons. 2014. “Explaining Job Polarization: Routine-Biased Technological Change and Offshoring.” American Economic Review 104(8): 2509–26.
• Graetz, Georg, and Guy Michaels. 2015. “Robots at Work.” IZA Discussion Papers 8938, Institute for the Study of Labor.
• Herald Press, The. 1966. “Skirting the Automation Question.” February 7, p. 2.
• Hoffman, William, and Leo Furcht. 2014. The Biologist’s Imagination: Innovation in the Biosciences. New York: Oxford University Press.
• Grabner, Helmut, Juergen Gall, and Luc Van Gool. 2011. “What Makes a Chair a Chair?” In Computer Vision and Pattern Recognition 2011, IEEE Conference, June 20–25, pp. 1529–36.
• Holzer, Harry J. 2015. “Job Market Polarization and U.S. Worker Skills: A Tale of Two Middles.” Brookings Institution Economic Studies Working Paper, April 6.
• Hsieh, Chang-Tai, and Enrico Moretti. 2003. “Can Free Entry Be Inefficient? Fixed Commissions and Social Waste in the Real Estate Industry.” Journal of Political Economy 111(5): 1076–1122.
• Jackson, Kristin. 1993. “The World’s First Motel Rests upon Its Memories.” Seattle Times, April 25.
• Jevons, William Stanley. 1865. The Coal Question; An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal Mines. London: Macmillan and Co.
• Katz, Lawrence F., and Robert A. Margo. 2014. “Technical Change and the Relative Demand for Skilled Labor: The United States in Historical Perspective.” In Human Capital in History, edited by Leah Platt Boustan, Carola Frydman, and Robert A. Margo, 15–57. University of Chicago Press.
• Kremer, Michael. 1993. “The O-Ring Theory of Economic Development.” Quarterly Journal of Economics 108(3): 551–75.
• Le, Quoc V., et al. 2012. “Building High-Level Features Using Large Scale Unsupervised Learning.” In Proceedings of the 29th International Conference on Machine Learning, June 26–July 1.
• Levy, Frank, and Richard J. Murnane. 2004. The New Division of Labor: How Computers Are Creating the Next Job Market. Princeton University Press.
• Lin, Jeffrey. 2011. “Technological Adaptation, Cities, and New Work.” Review of Economics and Statistics 93(2): 554–74.
• Markoff, John. 2012. “How Many Computers to Identify a Cat? 16,000.” New York Times, June 25.
• Mazzolari, Francesca, and Giuseppe Ragusa. 2013. “Spillovers from High-Skill Consumption to Low-Skill Labor Markets.” Review of Economics and Statistics 95(1): 74–86.
• Michaels, Guy, Ashwini Natraj, and John Van Reenen. 2014. “Has ICT Polarized Skill Demand? Evidence from Eleven Countries over Twenty-Five Years.” Review of Economics and Statistics 96(1): 60–77.
• Mishel, Lawrence, Heidi Shierholz, and John Schmitt. 2013. “Don’t Blame the Robots: Assessing the Job Polarization Explanation of Growing Wage Inequality.” EPI-CEPR Working Paper, November 19.
• Moravec, Hans. 1988. Mind Children: The Future of Robot and Human Intelligence. Harvard University Press.
• Nordhaus, William D. 2007. “Two Centuries of Productivity Growth in Computing.” Journal of Economic History 67(1): 17–22.
• Pierce, Justin R., and Peter K. Schott. 2012. “The Surprisingly Swift Decline of U.S. Manufacturing Employment.” NBER Working Paper 18655.
• Polanyi, Michael. 1966. The Tacit Dimension. New York: Doubleday.
• Ruggles, Steven, Trent J. Alexander, Katie Genadek, Ronald Goeken, Matthew B. Schroeder, and Matthew Sobek. 2010. Integrated Public Use Microdata Series: Version 5.0 [machine-readable database]. University of Minnesota.
• Sachs, Jeffrey D., Seth G. Benzell, and Guillermo LaGarda. 2015. “Robots: Curse or Blessing? A Basic Framework.” NBER Working Paper 21091, April.
• Sachs, Jeffrey D., and Laurence J. Kotlikoff. 2012. “Smart Machines and Long-Term Misery.” NBER Working Paper 18629, December.
• Sagan, Carl. 1980. Cosmos. New York: Random House.
• Simon, Herbert A. 1966. “Automation.” New York Review of Books, May 26.
• Smith, Christopher L. 2013. “The Dynamics of Labor Market Polarization.” Federal Reserve Board, Finance and Economics Discussion Series 2013-57, August.
• TIME. 1961. “The Automation Jobless.” February 24.
• US Bureau of the Census. 1949. Historical Statistics of the United States, 1789–1945. U.S. Government Printing Office, Series D 134-144.
• Varian, Hal R. 2014. “Big Data: New Tricks for Econometrics.” Journal of Economic Perspectives 28(2): 3–28.

Fonte oficial

• American Economic Association — página da publicação
• PDF disponibilizado pelo MIT, pelo autor

[^nt1]: Nota do tradutor: o original diz “Forty years later in 2005” — 1975 somado a quarenta anos não resulta em 2005. A inconsistência é da publicação original e foi preservada.