ChatGPT, Gemini e Claude espalharam avaliações sobre a extinção de profissões devido à IA, enquanto os cientistas duvidam da sua confiabilidade

Ideia-chave da pesquisa

Economistas do Northwestern University e do American University descobriram que os três maiores modelos de IA linguística (ChatGPT‑5, Gemini 2.5 e Claude 4.5) avaliam de maneira diferente quais profissões estão em risco de automação. Isso coloca em dúvida a confiabilidade dos “índices de suscetibilidade à IA” – indicadores numéricos usados por políticos e empregadores ao planejar o futuro mercado de trabalho.

1. Como foi conduzida a pesquisa
Passo O que fizeram Definição do problema Pediram aos modelos que avaliassem a vulnerabilidade de diversas profissões para a IA. Comparação das respostas Compararam as avaliações entre si e com dados reais. Análise das causas das divergências Identificaram dois fatores-chave: diferenças nos próprios modelos e o impacto de quais especialistas já utilizam IA.

2. Resultados
Profissão Claude 4.5 Gemini 2.5 ChatGPT‑5 Contador Vulnerabilidade alta Baixa Média Gerente de marketing — Diretor executivo —
* Divergências

- Claude colocava contadores no topo, Gemini muito abaixo.

- As avaliações de gerentes de marketing e diretores executivos também diferiram.

- ChatGPT e Gemini coincidiram em quase 75 % dos casos, mas divergiram cerca de um quarto.

* Impacto dos “usuários de IA”

Analistas financeiros trabalham ativamente com redes neurais, criando dados nos quais os futuros modelos são treinados. Isso distorce as avaliações e torna profissões já fortemente ligadas à IA mais vulneráveis aos olhos dos modelos.

3. Como são construídos os índices de suscetibilidade
1. Manualmente – especialistas avaliam o impacto da IA em tarefas específicas.

2. Pesquisas com usuários – coletam opiniões daqueles que já utilizam a plataforma.

3. Os maiores modelos linguísticos (LLM) – geram avaliações automaticamente.

*Problemas:*

- O manual está sujeito à subjetividade.

- As pesquisas se limitam a uma única plataforma e não refletem todo o mercado.

Mesmo assim, tais índices são amplamente usados em relatórios analíticos, consultoria e política.

4. O que isso significa para a prática
* Confiabilidade das avaliações – ainda desconhecida; é mais preciso usar LLMs ou métodos de especialistas?

* Risco de decisões baseadas em um único indicador – os autores alertam que políticos e empregadores podem erroneamente confiar em números unidimensionais.

5. Recomendações dos pesquisadores
1. Usar vários modelos de IA simultaneamente, não apenas um.

2. Indicar explicitamente o nível de incerteza nos resultados.

3. Confirmar conclusões com pesquisas de usuários reais para entender como a IA é realmente implementada e quais tarefas ela executa.

> “Eu pessoalmente não confiaria em um único indicador para decidir sobre mudança de trabalho ou escolha de especialidade”, observa Michelle Yin.

Conclusão:

Os índices atuais de suscetibilidade à IA precisam de uma abordagem mais crítica. Combinar múltiplos modelos e dados empíricos ajudará a tornar as previsões mais confiáveis e evitar decisões erradas baseadas em avaliações unilaterais.