Automação, Inteligência Artificial e Desigualdade Regional no Brasil: Vulnerabilidades, Oportunidades e o Papel da Regulação
Autores: Thiago Almeida, André Nakamura Série: IBGIA Working Paper Series Número: WP-2026-013 Data: Abril 2026 Classificação JEL: J24, O33, R12, K23
Resumo Executivo
A automação impulsionada por inteligência artificial não impacta o Brasil de forma uniforme. Regiões com alta concentração de empregos em setores suscetíveis à automação — especialmente Norte e Nordeste —, menor densidade de trabalhadores com habilidades digitais e infraestrutura de conectividade precária enfrentarão um duplo choque: perda de postos de trabalho sem acesso às novas oportunidades geradas pela transição tecnológica.
Este working paper mapeia a distribuição regional do risco de automação no Brasil, identifica os setores e perfis de trabalhadores mais vulneráveis em cada macrorregião e propõe um framework regulatório que incorpora dimensões territoriais explícitas no tratamento da IA — atualmente ausentes no PL 2338/2023.
Principais achados:
- Norte e Nordeste concentram 38% dos empregos em ocupações com risco de automação acima de 70%
- A "brecha de automação" — diferença entre perda de empregos e criação de novos — é 3,2x maior no Nordeste que no Sudeste
- O PL 2338/2023 não menciona desigualdade regional como critério de avaliação de impacto da IA
- Municípios com menos de 50 mil habitantes no interior do Brasil têm conectividade insuficiente para acessar serviços de requalificação online
1. Introdução: A IA que Exacerba Desigualdades Preexistentes
O debate sobre IA e trabalho no Brasil frequentemente adota uma perspectiva nacional agregada, ignorando que o país abriga realidades econômicas, educacionais e infraestruturais profundamente díspares entre suas regiões. Enquanto São Paulo e o Sul do Brasil desenvolvem ecossistemas de startups de IA e absorvem profissionais requalificados, vastas porções do Norte e Nordeste permanecem presas em estruturas ocupacionais altamente vulneráveis à automação.
Esta assimetria não é neutra: ela amplifica desigualdades históricas, concentra os benefícios da IA nas regiões já mais desenvolvidas e distribui os custos do deslocamento nas regiões mais vulneráveis. O resultado é uma IA que, sem regulação adequada, funciona como amplificador de desigualdade regional — exatamente o oposto do que deveria ser uma tecnologia de propósito geral.
Este working paper adota uma abordagem geoeconômica para analisar o impacto da automação por IA no mercado de trabalho brasileiro, com foco nas disparidades regionais e nas lacunas do marco regulatório atual.
2. Metodologia
2.1 Fontes de Dados
A análise utiliza as seguintes bases:
- PNAD Contínua 2024 (IBGE): distribuição de ocupações por região, escolaridade e renda
- Censo de Capitais Humanas da IA 2025 (IBGIA/FGV): estimativa de densidade de habilidades digitais por estado
- Índice de Automabilidade Ocupacional Brasileiro (IAOB): adaptação da metodologia Frey-Osborne para o mercado de trabalho formal e informal brasileiro, desenvolvida pela FGV-IBRE
- ANATEL — Mapa de Conectividade 2025: cobertura de banda larga fixa e móvel por município
- MTb — RAIS 2024: vínculos empregatícios formais por ocupação e UF
2.2 Índice de Vulnerabilidade Regional à Automação (IVRA)
O IVRA foi construído combinando três dimensões:
- Risco de automação das ocupações (60%): proporção do emprego em ocupações com IAOB > 0,7
- Capacidade de absorção (25%): densidade de trabalhadores com habilidades digitais + cobertura de conectividade
- Dinamismo do mercado de trabalho (15%): taxa de formalização + diversificação setorial
O índice varia de 0 (baixíssima vulnerabilidade) a 100 (altíssima vulnerabilidade).
3. Mapeamento Regional do Risco de Automação
3.1 Norte: A Região Mais Vulnerável
IVRA médio: 74,3 (o mais alto entre as cinco macrorregiões)
O Norte do Brasil apresenta a combinação mais adversa de fatores:
Perfil ocupacional de alto risco:
- 41% dos empregos formais em atividades com IAOB > 0,7
- Concentração em: agropecuária extensiva (colheita, plantio), extração mineral, processamento de pescado, varejo de baixa complexidade
- Amazônia paraense: 58% dos postos formais em frigoríficos e madeireiras — setores com automação acelerada
Infraestrutura precária:
- 23 municípios no Amazonas sem cobertura de 4G (2025)
- Conectividade domiciliar: 41% dos domicílios têm acesso à internet de qualidade suficiente para cursos online, vs. 78% no Sudeste
- Ausência de centros de requalificação: apenas 3 CEFETs na macrorregião para área de >3,8 milhões de km²
Casos emblemáticos:
- Frigoríficos no Pará: automação de desossa reduzirá 35-40% dos postos em 5 anos (estimativa SINDIFRIG-PA)
- Porto de Santarém: automação de movimentação de carga já reduziu 22% do quadro operacional em 2024
- Vigilantes e porteiros em Manaus: OCR + biometria substituindo postos em condomínios residenciais
3.2 Nordeste: Volume e Profundidade do Problema
IVRA médio: 71,8
O Nordeste combina a maior concentração absoluta de trabalhadores vulneráveis com uma capacidade de absorção limitada:
Estrutura de risco:
- 38 milhões de trabalhadores na macrorregião (27% da força de trabalho brasileira)
- 14,4 milhões (38% do total regional) em ocupações de alto risco de automação
- Call centers: 420 mil postos diretos no Nordeste, setor em automação acelerada com IA conversacional
A "indústria do call center" como caso emblema: O Nordeste tornou-se o maior polo de call centers do Brasil nas décadas de 1990-2010, atraído pela mão de obra de baixo custo e pelo sotaque neutro cultivado em Recife, Salvador e Fortaleza. Este modelo está em colapso:
- Empresas como iFood, Nubank e Mercado Livre reduziram 30-45% dos postos de call center em 2024-2025 com IA conversacional
- A automação de nível 1 e 2 (FAQ + transações simples) já eliminou funções que empregavam 180 mil pessoas
- Projeção IBGIA: 280 mil postos adicionais em risco até 2028 com LLMs multimodais
Sertão e Agreste:
- Trabalho agrícola mecanizável: 3,2 milhões de postos em culturas de cana, soja e algodão no semicárido
- Automação de colheita avança 12% ao ano mesmo em regiões de baixíssima renda per capita
- Não há alternativa local de requalificação — êxodo rural amplificado pela automação
3.3 Centro-Oeste: Vulnerabilidade Concentrada no Agronegócio
IVRA médio: 58,4
O Centro-Oeste apresenta um perfil diferenciado: alta automação no agronegócio com geração de empregos de maior qualificação em paralelo:
Automação no agronegócio de precisão:
- Uso de drones, sensores e IA para manejo de lavoura: 67% das grandes propriedades de soja e milho em 2025
- Operadores de máquinas agrícolas tradicionais: 340 mil postos com IAOB > 0,8
- Mas criação simultânea de empregos em gestão de dados agronômicos, manutenção de sistemas embarcados
Paradoxo distributivo: Os empregos criados pela automação do agronegócio exigem formação técnica/superior — inacessível aos trabalhadores deslocados que têm, em média, ensino fundamental incompleto. A transição acontece, mas os benefícios vão para trabalhadores de fora da região ou do perfil tradicional.
3.4 Sudeste: Epicentro da Criação e da Destruição
IVRA médio: 43,2
O Sudeste concentra tanto o maior volume de postos em risco absoluto quanto a maior capacidade de absorção e criação:
São Paulo: a dupla face da automação:
- 2,8 milhões de postos em risco de automação no estado (maior volume absoluto do Brasil)
- Mas também 340 mil postos criados em IA, analytics e automação em 2023-2025 (CAGED)
- Concentração: 71% dos novos postos de trabalho em IA no Brasil estão em São Paulo
Bolsões de vulnerabilidade intra-regional:
- Grande São Paulo periférico: Guarulhos, Duque de Caxias, Nova Iguaçu — trabalhadores de baixa qualificação em logística e varejo, sem acesso à requalificação do centro
- Interior fluminense: cidades dependentes de indústrias em declínio + automação
- Norte de Minas: perfil próximo do Nordeste, alta vulnerabilidade com baixa capacidade de absorção
3.5 Sul: Menor Vulnerabilidade, Mas Não Imune
IVRA médio: 38,7
O Sul tem a melhor combinação de fatores — maior qualificação, melhor infraestrutura, diversificação setorial — mas enfrenta vulnerabilidades específicas:
Indústria moveleira e calçadista:
- Rio Grande do Sul e Santa Catarina: automação acelerada na manufatura
- 85 mil postos em confecção e calçados com IAOB > 0,75
- Diferencial: sindicatos mais fortes, maior acesso a requalificação via SENAI
4. A Brecha de Automação Regional
A "brecha de automação" é definida como a diferença entre postos destruídos e postos criados pela transição tecnológica, expressa em percentual da força de trabalho regional.
| Macrorregião | Postos em risco (M) | Postos criados (M) | Brecha (%) | |---|---|---|---| | Norte | 2,1 | 0,3 | -8,4% | | Nordeste | 14,4 | 1,2 | -14,1% | | Centro-Oeste | 2,8 | 0,9 | -5,6% | | Sudeste | 8,4 | 4,1 | -4,3% | | Sul | 3,2 | 1,8 | -3,1% | | Brasil | 30,9 | 8,3 | -8,2% |
A brecha nordestina é 4,5x maior que a sul-brasileira. Esta assimetria reflete não apenas o perfil ocupacional, mas a incapacidade estrutural de requalificação regional — um problema que o mercado não resolverá espontaneamente.
5. O PL 2338/2023 e a Cegueira Territorial
5.1 Diagnóstico da Lacuna Regulatória
O PL 2338/2023 — principal instrumento regulatório de IA em tramitação no Brasil — é cego à dimensão territorial do impacto da automação. Uma análise do texto aprovado pelo Senado em novembro de 2024 revela:
- Zero menções a "desigualdade regional" ou "disparidade territorial"
- Zero critérios territoriais nas obrigações de Avaliação de Impacto Algorítmico (AIA)
- Zero dispositivos de redistribuição dos benefícios da IA para regiões desfavorecidas
- Zero mecanismos de incentivo ao desenvolvimento de IA voltada para problemas das regiões Norte e Nordeste
Os únicos dispositivos que tangenciam a questão são as referências genéricas a "grupos vulneráveis" — mas sem especificidade territorial, o efeito prático é nulo.
5.2 Comparação Internacional: O Que o Brasil Pode Aprender
União Europeia — Just Transition Fund: O EU AI Act é complementado pelo Just Transition Fund, que destina €17,5 bilhões para apoiar regiões mais afetadas pela transição tecnológica e climática. A dimensão territorial é explícita na arquitetura regulatória europeia.
Estados Unidos — Regional Innovation Engines (NSF): O programa NSF Regional Innovation Engines (2024) destina $1 bilhão para desenvolver ecossistemas de IA em regiões historicamente subfinanciadas — reconhecendo que a concentração da IA no Vale do Silício é um problema de política pública.
Índia — AI for All: A estratégia indiana NDAI (National Data and AI Strategy) tem metas explícitas de inclusão de estados com menor IDH no ecossistema de IA, incluindo requisitos de línguas regionais e conteúdo localizado.
6. Framework Regulatório com Dimensão Territorial
6.1 Avaliação de Impacto Territorial da IA (AITA)
Propomos que o PL 2338/2023 seja emendado para incluir um instrumento específico de Avaliação de Impacto Territorial da IA (AITA), obrigatório para:
- Sistemas de IA com potencial de substituir > 500 postos de trabalho em qualquer município
- Sistemas de IA implementados em setores com concentração regional de emprego > 30% em uma única macrorregião
- Políticas públicas baseadas em IA com efeitos sobre mercado de trabalho
Conteúdo mínimo da AITA:
- Mapeamento de postos em risco por município e UF
- Análise de capacidade regional de absorção (qualificação + conectividade + diversificação)
- Plano de mitigação com metas territorialmente desagregadas
- Cronograma de implementação com checkpoints regionais
6.2 Fundo de Transição Tecnológica Regional (FTTR)
Inspirado no modelo europeu, propomos a criação de um Fundo de Transição Tecnológica Regional com as seguintes características:
Fontes de financiamento:
- Contribuição de 0,5% sobre o faturamento de empresas que implementem sistemas de IA com impacto de automação comprovado acima de 100 postos
- 10% dos recursos do Fundo Nacional de Desenvolvimento Científico e Tecnológico (FNDCT) alocados para transição
- Contrapartida de estados e municípios beneficiários
Critérios de alocação:
- 40% para Norte e Nordeste (regiões com IVRA > 65)
- 30% com base no IVRA municipal (prioriza municípios mais vulneráveis)
- 20% para programas de requalificação digital em locais com conectividade precária
- 10% para pesquisa e desenvolvimento de IA voltada para problemas regionais
Governança:
- Conselho gestor com representação do Governo Federal, estados, municípios, trabalhadores e empresas
- Auditoria pelo TCU com relatórios anuais públicos
- Metas de impacto mensuráveis (empregos criados, taxa de requalificação, IDH regional)
6.3 Requisito de Localidade para Sistemas de IA em Serviços Públicos Federais
Para sistemas de IA utilizados pelo Governo Federal que tenham efeitos sobre populações regionalmente concentradas:
Requisito de adequação cultural e linguística:
- Sistemas de IA de atendimento ao cidadão devem suportar variações linguísticas regionais
- Chatbots e IVRs de serviços federais (INSS, SUS, CEF) devem ser testados com amostras de usuários de cada macrorregião
Requisito de infraestrutura alternativa:
- Serviços públicos baseados em IA devem ter canal analógico funcional para municípios sem conectividade adequada
- INSS e outras autarquias não podem tornar digital-only serviços em municípios com conectividade < 50%
6.4 Programa Nacional de Requalificação Territorial (PNRT)
A regulação da IA não pode se limitar a exigências das empresas — é necessária uma resposta ativa do Estado:
Estrutura proposta:
- 500 Centros de Transformação Digital (CTDs) em municípios com IVRA > 60
- Parceria com SENAI, SENAC, SESI e IFes para oferta de cursos de 6-12 meses em ocupações emergentes
- Bolsa-Requalificação para trabalhadores deslocados por automação com comprovação de vínculo anterior
- Requisito de 30% dos vagas de aprendizagem em empresas de tecnologia para trabalhadores de Norte e Nordeste
7. Estimativas de Impacto das Propostas
7.1 AITA — Impacto Regulatório
Se implementada a AITA para todas as empresas elegíveis, estima-se:
- 2.400 avaliações de impacto nos primeiros 3 anos
- Identificação de 1,2 milhão de postos em risco específicos, com planos de mitigação
- Redução de 15-20% na brecha de automação regional até 2030 (projeção IBGIA)
7.2 FTTR — Impacto Financeiro e Social
Com aporte inicial de R$ 5 bilhões/ano (equivalente a 0,05% do PIB):
- Requalificação de 800 mil trabalhadores em 5 anos
- Criação de 120 mil empregos em serviços digitais nas regiões Norte e Nordeste
- Redução de 12% no êxodo rural amplificado pela automação
- Retorno fiscal estimado: R$ 3,20 por R$ 1,00 investido (metodologia MIT-JPAL)
8. Recomendações
Para o Congresso Nacional
- Emenda ao PL 2338/2023: incluir "impacto territorial no mercado de trabalho" como critério obrigatório de AIA para sistemas de alto risco
- Criação do FTTR: legislação autônoma com fontes de financiamento permanentes
- Dispositivo anti-concentração: limitar incentivos fiscais para IA a empresas com planos de expansão territorial comprovados
Para o Poder Executivo
- Decreto de AITA: regulamentar a avaliação de impacto territorial independentemente do avanço do PL 2338
- Programas de requalificação com recorte territorial: reformular ProEmprego e Qualifica Mais com metas por macrorregião
- Conectividade como pré-condição: vincular licenças de operação de data centers ao cumprimento de metas de conectividade em municípios do entorno
Para Estados e Municípios
- Planos Municipais de Transição Tecnológica: municípios com IVRA > 70 devem elaborar planos locais de mitigação
- Consórcios regionais: formação de consórcios intermunicipais para compartilhamento de CTDs
- Parcerias com startups locais: fundos de inovação estaduais com preferência para soluções voltadas a problemas regionais
Para Empresas
- Transparência no comunicado de automação: notificar trabalhadores e sindicatos com antecedência mínima de 12 meses antes de automações que eliminem > 100 postos
- Planos de requalificação como contrapartida: empresas que recebam incentivos fiscais para automação devem comprometer-se com requalificação de 50% dos trabalhadores deslocados
9. Conclusão
A automação por IA é inevitável e — bem regulada — pode ser benéfica para o Brasil. Mas sem uma política territorial explícita, o resultado mais provável é a amplificação das desigualdades regionais históricas: o Sudeste e o Sul colhem os frutos, enquanto Norte e Nordeste arcam com os custos.
O PL 2338/2023 representa um passo importante, mas incompleto. A ausência de dimensão territorial no texto é uma omissão grave que precisa ser corrigida antes da sanção. As propostas deste working paper — AITA, FTTR e PNRT — oferecem um caminho concreto para uma transição tecnológica que seja simultaneamente eficiente e justa.
O Brasil tem uma oportunidade histórica de construir uma governança de IA que reduza, e não amplifique, suas desigualdades estruturais. Aproveitá-la exigirá vontade política, financiamento adequado e um marco regulatório que enxergue o território como dimensão constitutiva da justiça tecnológica.
Referências
- IBGE. PNAD Contínua 2024: Mercado de Trabalho. Rio de Janeiro: IBGE, 2025.
- FGV-IBRE. Índice de Automabilidade Ocupacional Brasileiro (IAOB). São Paulo: FGV, 2025.
- FREY, C.; OSBORNE, M. "The Future of Employment: How Susceptible are Jobs to Computerisation?" Technological Forecasting and Social Change, 114, 2017, pp. 254-280.
- ACEMOGLU, D.; RESTREPO, P. "Robots and Jobs: Evidence from US Labor Markets." Journal of Political Economy, 128(6), 2020, pp. 2188-2244.
- COMISSÃO EUROPEIA. Just Transition Fund Regulation. Bruxelas: CE, 2021.
- NSF. Regional Innovation Engines Program Guide. Washington: NSF, 2024.
- MIT-JPAL. The Returns to Workforce Training in the Age of Automation. Cambridge: MIT, 2025.
- NERI, M. Mapa da Exclusão Digital 2025. Rio de Janeiro: FGV Social, 2025.
- IBGIA. Censo de Capitais Humanas da IA 2025. São Paulo: IBGIA, 2025.
- CNI. Automação e Trabalho na Indústria Brasileira. Brasília: CNI, 2025.
WP-2026-013 | IBGIA Working Paper Series | Março 2026 Instituto Brasileiro de Governança em IA — ibgia.org ISSN 2966-XXXX