Alerta de Stanford Sobre IA: O Que Isso Muda Para o Crédito no Brasil

Alerta de Stanford Sobre IA: O Que Isso Muda Para o Crédito no Brasil - Artigo de Lígia Lopes para o NeoFeed

Mais de 200 economistas e pesquisadores de inteligência artificial, entre eles 16 vencedores do Prêmio Nobel, assinaram uma carta aberta organizada pelo Stanford Digital Economy Lab afirmando que é preciso agir agora diante dos efeitos da IA sobre o emprego. 

Em novo artigo publicado no NeoFeed, Lígia Lopes, CEO da Teros e mestre em Economia pela USP, conecta esse alerta global a uma questão bem mais concreta para quem trabalha com crédito no Brasil: os modelos de risco ainda preveem o futuro?

A Carta de Stanford e o Grupo Mais Exposto

O texto, divulgado em meados de julho e liderado pelo pesquisador Erik Brynjolfsson, afirma que a IA pode provocar uma transformação econômica maior que a Revolução Industrial, só que em prazo muito mais curto, com risco de desemprego em larga escala. Segundo Lígia Lopes, a pesquisa por trás do alerta identifica os jovens de 22 a 25 anos como o grupo que primeiro sinaliza esse efeito, antes que ele apareça nos números agregados da economia.

Usando dados de folha de pagamento, o estudo mostra que jovens de 22 a 25 anos em ocupações mais expostas à IA generativa tiveram queda relativa de até 16% no emprego desde 2022, enquanto trabalhadores de 35 a 49 anos, nas mesmas funções, cresceram mais de 9%. O ajuste não veio pelo salário, que ficou estável, mas pelo volume de contratação: a empresa simplesmente deixou de contratar o jovem.

Por Que os Jovens São os "Canários na Mina de Carvão"

A explicação apontada no artigo é direta. A IA generativa é excelente em conhecimento codificável, exatamente o que se aprende em curso e treinamento formal, e é exatamente o que um recém-formado tem para oferecer. O que falta à tecnologia é conhecimento tácito, julgamento e contexto, algo que só se acumula com experiência dentro do mercado. Essa vantagem migra para quem já está empregado, penalizando justamente quem ainda está tentando entrar.

Por Que Isso Importa Para Quem Concede Crédito

Aqui está o ponto central do artigo de Lígia Lopes para o setor financeiro. Os modelos de crédito atuais foram construídos sobre uma aposta simples: a de que o futuro se parece com o passado que os treinou. Score, limite e taxa são calibrados observando como pessoas de determinada idade, ocupação e histórico de renda se comportaram ao longo dos anos.

Esse exercício pressupõe um mecanismo de entrada estável no mercado de trabalho. O jovem começa por volta dos 22 a 24 anos, sua renda cresce de forma previsível ao longo da década seguinte, e é esse crescimento que sustenta o score subindo, o limite aumentando e a elegibilidade a financiamento se abrindo. A pesquisa por trás do alerta de Stanford é a primeira evidência sólida de que esse degrau de entrada está rachando.

Quando esse degrau racha, a curva de renda por idade que um motor de decisão de crédito aprendeu deixa de descrever o que vai acontecer com quem está entrando agora no mercado de trabalho.

O Efeito Já Mensurável no Brasil

No Brasil, a exposição agregada à IA generativa ainda é menor que a americana. O FGV IBRE estima cerca de 30% da população ocupada exposta, ante algo próximo de 60% nos Estados Unidos segundo o FMI, já que o país tem proporcionalmente menos empregos de escritório. Ainda assim, dentro desse recorte existe um núcleo de 5,2 milhões de trabalhadores no grau mais alto de exposição, majoritariamente escriturários jovens concentrados em serviços financeiros.

O economista Daniel Duque, também do FGV IBRE, já encontra efeito realizado, não apenas potencial: jovens de 18 a 29 anos nas ocupações mais expostas têm hoje cerca de 5% menos chance de estar empregados e renda 7% menor do que teriam sem essa exposição. Há ainda um motivo estrutural que reforça esse cenário no Brasil, já que um funcionário CLT custa de 68% a mais de 100% acima do salário base em encargos, o que faz a conta da automação fechar por corte de custo mesmo quando o ganho de produtividade for menor do que nos Estados Unidos.

O Risco Para os Modelos de Score e Análise de Crédito

Se esse degrau de entrada racha, se uma fração relevante de jovens leva mais tempo para entrar no mercado, entra em posições mais precárias ou entra e sai de forma mais instável do que a geração anterior, o histórico de emprego formal perde força como proxy de estabilidade em qualquer sistema de decisão de crédito. Um modelo que trata poucos meses de carteira assinada como sinal de risco pode negar crédito ou subprecificar justamente a geração que está entrando por um caminho diferente daquele que o modelo aprendeu a reconhecer.

O problema, segundo Lígia Lopes, é que essa mudança na entrada do mercado de trabalho é recente demais para estar bem capturada nos dados históricos usados para treinar modelos de análise de crédito automatizada. Se o modelo não for redesenhado, o erro aparece primeiro nas safras mais novas de tomadores, e só será percebido quando a inadimplência já tiver subido.

Como Times de Risco Podem Agir Agora

O alerta de Stanford pede que as instituições ajam agora porque a janela para se preparar é mais curta do que qualquer transformação econômica anterior. Para quem gerencia risco de crédito no Brasil, isso se traduz em algumas frentes concretas:

• Revisar o peso do histórico de emprego formal em modelos de score, testando cenários em que esse sinal perde poder preditivo para tomadores jovens.

• Incorporar fontes de dados alternativas, como Open Finance e comportamento financeiro, em vez de depender apenas de tempo de carteira assinada.

• Monitorar continuamente a inadimplência por faixa etária e ocupação, buscando sinais de descolamento antes que eles apareçam nos números agregados.

• Tratar automação de análise de risco como um processo vivo, capaz de incorporar rapidamente novos padrões de entrada no mercado de trabalho, e não como um modelo estático revisado uma vez por ano.

Prepare Sua Esteira de Crédito Para o Novo Cenário do Mercado de Trabalho

Como resume Lígia Lopes, o sinal identificado pela pesquisa de Stanford não anuncia uma crise amanhã, mas mostra que a composição do mercado de trabalho já está mudando. Quem trabalha com risco tem o ofício de perceber essa mudança antes que o efeito fique óbvio nos números agregados, porque depois disso o custo de ter ignorado o sinal já terá sido pago por quem confiou no modelo antigo. Conheça a solução de esteira de crédito e decisão automatizada da Teros no site ou continue acompanhando essa discussão no blog da Teros.

Entre em contato com nosso time ou preencha o formulário abaixo.

Fontes: Lígia Lopes (CEO Teros), "Precisamos agir agora: o alerta urgente dos economistas de Stanford sobre a IA", NeoFeed, 23 de agosto de 2026.