Inteligência Artificial e o Capital Humano: Uma Análise do Gap de Habilidades e da Crise de Empregabilidade
Inteligência Artificial e o Capital Humano: Uma Análise do Gap de Habilidades e da Crise de Empregabilidade
Resumo
Neste artigo, a Inteligência Artificial (IA) é analisada como a chave para entender tanto o que está por trás da lacuna emergente de habilidades quanto a crise estrutural de empregabilidade da Nova Economia. O argumento apresentado no artigo utiliza uma Revisão Sistemática Narrativa da literatura e relatórios (2021–2025) para argumentar que a automação rápida polariza os mercados de trabalho, deslocando empregos associados à Inteligência Mecânica, enquanto habilidades de Complementaridade Humano-Máquina (Intuição, Criatividade e Estratégia) são cada vez mais valorizadas. Substituir a força de trabalho sem mecanismos de renda compensatória leva à existência do dilema da demanda efetiva e impacta a estabilidade socioeconômica global e o consumo. Exemplos internacionais têm mostrado a importância de implementar sistemas de requalificação em massa, redes de segurança social robustas e outras medidas para minimizar a desigualdade. Isso me leva ao argumento de sua conclusão de que o Capital Humano precisa ser reconfigurado de um custo mecanizável para um recurso mais valioso. O novo paradigma econômico necessário para alcançar a sustentabilidade é a complementaridade em uma era de IA.
Palavras-chave: Inteligência Artificial; Capital Humano; Empregabilidade; Gap de Habilidades; Complementaridade.
Abstract
In this article, Artificial Intelligence (AI) is analyzed as the key to understanding both the underlying factors behind the emerging skills gap and the structural employability crisis of the New Economy. The argument developed in this paper draws on a Narrative Systematic Review of the literature and reports (2021–2025) to suggest that rapid automation is polarizing labor markets, displacing jobs associated with Mechanical Intelligence, while skills based on Human–Machine Complementarity (Intuition, Creativity, and Strategy) are increasingly valued. Replacing the workforce without compensatory income mechanisms leads to the existence of the Effective Demand Dilemma and affects global socioeconomic stability and consumption. International examples have demonstrated the importance of implementing large-scale reskilling systems, robust social safety nets, and other measures to minimize inequality. This leads to the conclusion that Human Capital must be reconfigured—from a mechanizable cost into a more valuable resource. The new economic paradigm required to achieve sustainability is one based on complementarity in the age of AI.
Keywords: Artificial Intelligence; Future of Work; Employability Crisis; Economic Sustainability; Human–Machine Complementarity.
1. Introdução
O ambiente de trabalho global e a economia estão sendo transformados a um ritmo acelerado devido ao surgimento da Inteligência Artificial (IA). O advento das ferramentas de IA Generativa está claramente marcando o ponto de inflexão da Quarta Revolução Industrial (PwC, 2025). Esta é uma era em que tarefas que utilizam poderes superiores são automatizadas, o que é uma novidade histórica, já que revoluções anteriores envolveram a perda mais significativa de força muscular (OIT, 2024).
A IA é considerada, em termos econômicos, um motor incomparável para o aumento da eficiência e produtividade, com estimativas apontando para aumentos massivos no Produto Interno Bruto (PIB) global que seriam antecipados pelas principais economias do mundo (Hostinger, 2025).
O ganho de produtividade, no entanto, à medida que a integração da IA no ambiente de negócios se acelera, apresenta um problema profundo para o Capital Humano: a realidade de uma crise estrutural de empregabilidade. Relatórios recentes fornecidos por grupos internacionais (FMI, 2024) mostraram que a taxa de mudança de habilidades nos setores mais afetados pela IA estar aumentando mais rápido do que os trabalhadores podem se adaptar.
A questão principal é o Gap de Habilidades, que é definido como a lacuna entre a demanda por habilidades e sua disponibilidade, resultando no risco setorial de obsolescência tecnológica (FGV IBRE, 2024). Diante desse cenário, o artigo atual, intitulado “Inteligência Artificial e Capital Humano: Uma Análise do Gap de Habilidades e a Crise de Empregabilidade”, tenta investigar especificamente e profundamente esse fenômeno.
O argumento central é que a extensão da crise de empregabilidade pode ser mitigada com base na promoção da requalificação baseada na Complementaridade Humano-Máquina pela sociedade. Como forma de sustentar a importância do Capital Humano, também é necessário construir o que Huang & Rust (2018) denominaram Inteligências Empáticas e Intuitivas, especificamente habilidades como criatividade, pensamento crítico e adaptabilidade, pois estas são geralmente as mais resistentes à automação.
O objetivo principal é mapear a reconfiguração do Capital Humano na nova economia de IA destacar as áreas de maior vulnerabilidade ocupacional e sugerir recomendações para a formulação de políticas públicas e corporativas para uma transição justa. Para avançar nesse objetivo, o estudo adota uma metodologia de revisão narrativa sistemática da produção científica de alto impacto e relatórios organizacionais entre 2021 e 2025.
O artigo está organizado da seguinte forma: a Seção 2 revisará o Quadro Teórico sobre a economia da automação em relação à “Destruição Criativa” e concentração de riqueza. A Seção 3 é dedicada à Análise do Gap de Habilidades e à Complementaridade como Solução. A Conclusão revisará o exposto e discutirá as implicações para a formulação de políticas de Capital Humano e políticas de proteção social em uma era pós-tecnológica onde a Inteligência Artificial influenciará o comportamento humano.
2. Referencial Teórico
Quanto à Taxonomia Econômica de Habilidades para entender o impacto da IA sobre o Capital Humano, é necessário reexaminar conceitos econômicos, bem como estabelecer uma nova taxonomia de habilidades essenciais para a análise da crise de empregabilidade.
2.1. A Economia Relacionada à Automação e o Paradoxo Produtividade-Desigualdade
Os motores econômicos da produtividade e lucratividade das empresas vêm da incorporação da IA em suas cadeias de produção (PwC, 2025). Um exemplo proeminente disso é apresentado por Schumpeter com sua ideia de “Destruição Criativa”, um fenômeno em que a inovação tecnológica destrói estruturas econômicas e empregos existentes para criar economias eficientes onde a produtividade se torna cada vez mais poderosa.
No entanto, à medida que a era da IA agora surge, o ritmo em que a IA destrói (e a destruição cognitiva, bem como física) causa algumas preocupações únicas. A automação impulsionada pela IA tende a favorecer o capital em detrimento do trabalho, levando a uma sociedade cada vez mais dominada pelo capital e à desigualdade de renda (Andrade Júnior, 2025).
Os sistemas de IA podem ser capazes de melhorar processos sem uma demanda igual por mão de obra humana, especialmente para tarefas comuns, tornando difícil a alocação de produtividade em seu rastro. O paradoxo central da economia da IA, como tal, é uma evidência clara: a alta produtividade global está ocorrendo mesmo quando a sociedade se torna instável, e à medida que o número de trabalhadores deslocados continua a crescer.
2.2. A lacuna de habilidades e a exposição ocupacional
A crise de empregabilidade na Nova Economia foi descrita como uma crise de desalinhamento do Capital Humano, e isso se traduz em Lacuna de Habilidades (FGV IBRE, 2024). O papel da IA estar mudando radicalmente o perfil necessário para avançar em um sentido profissional: Precisamos de taxas de obsolescência de habilidades anteriormente conhecidas que excedem em muito as de nossas gerações atuais de funcionários, que agora são mais propensas do que nunca a mudar. Entidades como a Organização Internacional do Trabalho (OIT, 2024) tentaram estudar a Exposição Ocupacional analisando até que ponto as responsabilidades de uma profissão poderiam ser automatizadas com IA Generativa.
Trabalhos envolvendo processamento de dados, tarefas administrativas repetitivas e até aspectos fundamentais da criação de conteúdo demonstram alta exposição. Em contraste, vemos que as habilidades mais valorizadas não podem ser duplicadas pela IA exigindo uma nova taxonomia de inteligências:
• Inteligência mecânica: Tarefas rotineiras e repetitivas (Alta exposição à automação).
• Inteligência analítica: Processamento de informações para resolução de problemas (Exposição moderada/Complementaridade).
• Inteligência intuitiva e empática: Criatividade; pensamento crítico; socialização; negociação; e adaptabilidade (Baixa exposição/Alta complementaridade) (Huang & Rust, 2018).
A implicação central deste quadro teórico é que a relevância do Capital Humano depende da mudança de ênfase da inteligência mecânica para a inteligência intuitiva e empática.
O Futuro do Trabalho não Inclui Substituição Total, mas Complementaridade Humano-Máquina (FMI, 2024). Assim, este conceito vê a IA funcionando como um aprimorador para permitir que o trabalho humano tenha uma contribuição maior para a atividade de valor agregado empregando habilidades intuitivas e empáticas (McKinsey, 2023).
Assim, a transformação da ameaça da automação em uma oportunidade de crescimento reside na requalificação e aprimoramento da força de trabalho. O investimento em políticas educacionais e corporativas, promovendo o cultivo de habilidades não mecanizáveis, é fundamental para fechar a lacuna de habilidades e tornar a produtividade da IA mais uniformemente distribuída pela sociedade (FGV IBRE, 2024).
3. Metodologia
O estudo adota uma orientação de pesquisa qualitativa e exploratória, o método Revisão Sistemática Narrativa (RSN). Esta abordagem metodológica é apropriada para a síntese profunda do conhecimento prévio, bem como para a interpretação conceitual das evidências atuais, e fornece uma plataforma analítica abrangente para a exploração de fenômenos complexos e emergentes, como a interseção entre Inteligência Artificial (IA) e Capital Humano (GILBERT, 2021; MINAYO, 2014).
3.1. Para manter uma atualidade e relevância recente com o advento da IA
Generativa (a partir de 2023), o período de pesquisa documental foi limitado apenas entre 2021 e 2025. As fontes de dados foram divididas em duas categorias para permitir a abrangência e a amplitude da análise:
- Literatura Científica Indexada: Para fornecer uma visão mais rigorosa e válida dos resultados, surgiram revisões sistemáticas, focando em artigos que também foram altamente indexados (por exemplo, Scopus, Web of Science). Estratégias de busca foram desenvolvidas em combinação com termos como “Inteligência Artificial” e “Empregabilidade” e “Automação” e “Capital Humano”, “Futuro do Trabalho” e “Complementaridade” e “Requalificação” e “Economia Digital” (Palavras-chave).
- Literatura Cinzenta e Institucional: Como é um assunto disruptivo e em rápida mudança, foi imperativo incluir artigos técnicos, documentos de trabalho e documentos prospectivos de organizações internacionais e consultorias globais. Citados no grupo estavam trabalhos da Organização Internacional do Trabalho (OIT, 2024), Fundo Monetário Internacional (FMI, 2024), Organização para a Cooperação e Desenvolvimento Econômico (OCDE) e grandes consultorias de gestão (PwC, McKinsey, 2025), fontes para dados empíricos atuais e projeções macroeconômicas.
3.2. Critérios de Inclusão e Revisão Documental
Os documentos foram selecionados por critérios rigorosos. A análise consistiu em materiais que foram:
(a) publicados de 2021 a 2025;
(b) que cobriam a relação imediata entre IA e trabalho, economia e habilidades,
© que forneciam dados ou modelagem teórica sobre a lacuna de habilidades, complementaridade e desigualdade de renda associada à automação.
Estudos puramente técnicos sobre engenharia de software, ética algorítmica que não tinham consequências econômicas ou análises que não se referiam a um período estabelecido foram excluídos. A etapa de análise documental foi guiada pela Análise de Conteúdo Temática (BARDIN, 2016), na qual a pesquisa utilizou um método de categorização e interpretação dos achados sob os eixos temáticos abaixo, consistentes com os objetivos do artigo:
• Eixo 1 (Econômico): Concentração de capital, paradoxo da produtividade e estimativas dos efeitos da IA no PIB.
• Eixo 2 (Ocupacional): Exposição ocupacional, classificada no eixo das inteligências (Mecânica/Intuitiva) (HUANG; RUST, 2018).
• Eixo 3 (Soluções): Políticas de requalificação, programas de educação empreendedora, redes de segurança social (como RBU) para enfrentar a crise de empregabilidade.
Ao realizar esta etapa, a RSN sintetizou sistematicamente e criticamente o Estado da Arte e foi a base argumentativa para a seção de Discussão, onde as ideias no Quadro Teórico serão usadas para explorar e dar sentido à crise de empregabilidade do Capital Humano na Nova Economia.
4. Análise e Discussão
Os documentos e relatórios durante os anos de 2021–2025 fornecem evidências para a afirmação de que a Inteligência Artificial (IA) desenvolveu um novo regime econômico com uma diferença dramática no crescimento da produtividade e o desenvolvimento da crise estrutural do Capital Humano. Esta crise seria mais apropriadamente vista como uma Lacuna de Habilidades (FGV IBRE, 2024) decorrente da rápida automação e da falta de requalificação dos trabalhadores.
4.1. Exposição Ocupacional, Desigualdade e o Dilema da Demanda
O impacto da IA não é uniforme. Quando a exposição ocupacional é examinada, ocupações com alta prevalência de repetição de tarefas, procedimentos centrados em regras e processamento de dados, que são rotuladas como Inteligência Mecânica (HUANG; RUST, 2018), estão em risco de automação.
Alguns setores, como serviços administrativos, call centers e até mesmo um subconjunto de trabalhos básicos de marketing/design estão enfrentando uma maior taxa de substituição de tarefas pela IA Generativa (OIT, 2024).
Este deslocamento tem um efeito real na desigualdade. O deslocamento de trabalhadores de baixa e média qualificação que dependem dessas funções geralmente amplia a disparidade econômica ao concentrar os ganhos de produtividade no capital e nos especialistas que dependem da IA para aprimorar funções.
Além da questão da desigualdade, as máquinas substituindo a força de trabalho levam ao Dilema da Demanda Efetiva. De fato, com a automação contínua levada às massas sem a criação paralela de novos tipos de renda e empregos (KEYNES, 1930, conforme citado em pesquisa recente), o consumo eventualmente entraria em colapso.
A lógica é simples: se a produção automatizada domina e há uma concentração de renda gerando poder de compra (ou falta de salários) que é obtido através do capital humano, quem realmente consumiria os bens e serviços fornecidos por máquinas e produzidos eficientemente?
O paradoxo da produtividade, ou seja, não haveria necessidade de aumentar a força de trabalho proporcionalmente à taxa de crescimento econômico, dita a reavaliação da distribuição de riqueza e a construção de modelos de proteção social (ANDRADE JUNIOR, 2025).
A incapacidade de resolver este conflito sugere um teto para o sistema capitalista, neste caso via consumo, considerando assim a busca por fontes alternativas de renda (uma solução apresentada sob o título Renda Básica Universal na Seção 4.3) uma necessidade da economia, bem como um requisito social.
4.2. O Imperativo da Complementaridade e o Novo Perfil de Habilidades
Relatórios de gestão mostram que o futuro do trabalho não é exclusão, mas Complementaridade. A IA funciona melhor quando serve como assistente ou multiplicador para liberar o Capital Humano para se concentrar em tarefas de alto valor que as máquinas não podem fazer: aquelas que devem envolver Inteligência Intuitiva e Empática (HUANG; RUST, 2018). As novas habilidades que podem se tornar indispensáveis na Nova Economia incluem:
• Pensamento Crítico e Estratégico: A capacidade de formular perguntas difíceis de entender ou produzir resultados de um sistema de IA, em vez de simplesmente processá-lo.
• Criatividade e Inovação: Gera pensamentos originais e novas ideias, a base para novas fontes de valor.
• Inteligência Social e Emocional: Empatia, capacidade de negociação, gestão de equipes difíceis e híbridas (humano e IA).
A Lacuna de Habilidades (FGV IBRE, 2024) representa a diferença entre a demanda urgente em torno dessas competências “humanas” e o atraso entre os sistemas educacionais e corporativos em fornecê-las. A requalificação é menos técnica por natureza em aprender a usar IA, mas sim cognitiva e comportamental em aprender a pensar e interagir com IA.
4.3. Implicações para Políticas Públicas e Corporativas
Respostas políticas e corporativas proativas são necessárias, pois o colapso da demanda colocará a sociedade em risco máximo para a transição para uma nova Economia de IA, que precisará de políticas que mitiguem o risco social para a economia, que extrairá mais benefícios do Capital Humano e minimizará o risco de seu colapso.
4.3.1. Requalificação em Massa
Empresas e governos precisam embarcar em programas de requalificação em larga escala que invistam em plataformas de aprendizagem que priorizem habilidades de complementaridade. As políticas educacionais precisam se afastar do conhecimento factual (que as IAs podem produzir prontamente) e se direcionar para uma avaliação crítica da aplicação, contextualização e ética do uso da tecnologia (OCDE, 2023).
O objetivo é converter trabalhadores já expostos à substituição em trabalhadores habilitados pela tecnologia.
4.3.2. Redes de Segurança Social, Consumo e Empreendedorismo
O ritmo acelerado da automação também exige o debate sobre redes de segurança social mais fortes, não apenas como proteção, mas como garantia de demanda e consumo. A adição de ferramentas como a Renda Básica Universal (RBU) ou impostos sobre automação para redistribuição, além disso, como uma provisão social transformada em necessidade macroeconômica para garantir o poder de compra da população deslocada (OIT, 2024).
Além disso, promover o Empreendedorismo atua como uma válvula de escape econômica crucial, permitindo que pessoas deslocadas produzam novos enredos de valor complementares à IA, mas não apenas a substituam (ANDRADE JUNIOR, 2025).
A falha em realizar essas medidas, requalificação ou proteção social, envolve a aceitação do aumento da desigualdade e instabilidade no mercado de trabalho. Para fazer a Nova Economia, a complementaridade não é apenas uma tática de gestão, é um pré-requisito para a estabilidade socioeconômica.
5. Casos Internacionais e Evidências do Gap
A crise do Capital Humano e a necessidade de Complementaridade não são exclusivas de uma região; são fenômenos globais que cada nação está implementando métodos únicos para facilitar a transição para a IA.
Esses casos internacionais validam a tese da lacuna de habilidades e sugerem potenciais caminhos a seguir (MCKINSEY, 2023).
5.1. Estratégia de Requalificação e Reorientação na Europa
Os Estados-Membros da União Europeia priorizaram políticas de adaptação proativas, particularmente na Escandinávia e na Alemanha. Em vez de esperar pelo deslocamento, investimentos públicos e privados são direcionados para o aprimoramento contínuo de habilidades (requalificação).
Com essas tendências em mente, a União Europeia (UE) recentemente começou a defender programas para financiar a educação digital e a requalificação que se concentram em Habilidades em Inteligência Analítica e Ética da IA (OCDE, 2023).
A Alemanha, por exemplo, investiu em plataformas que ligam a demanda corporativa por novas habilidades (ciência de dados, cibersegurança, por exemplo) diretamente ao sistema de formação profissional, que visa preencher a lacuna antes que leve a demissões em massa. Tal abordagem assume que a requalificação não é um gasto extra, mas sim, essencial no interesse da força de trabalho competitiva do país (FMI, 2024).
5.2. O Foco na Inovação e Desigualdade nos Estados Unidos
Nos Estados Unidos, a adoção da IA tem sido mais rapidamente impulsionada pela indústria privada de tecnologia. No entanto, embora o crescimento da produtividade seja evidente, a crescente desigualdade entre os trabalhadores também é evidente (ANDRADE JUNIOR, 2025).
A prova mais marcante dessa lacuna de habilidades é o mercado em expansão para profissionais com habilidades altamente especializadas (engenheiros de Machine Learning e Engenheiros de Prompt). A maioria das empresas de tecnologia investe grandes recursos no desenvolvimento de seu próprio pessoal, e grandes esforços, mas nem todos se beneficiam deles.
A abordagem americana, baseada quase exclusivamente no mercado, produz muito mais polarização: empregos de Complementaridade altamente remunerados com estagnação ou declínio em funções de Inteligência Mecânica (HUANG; RUST, 2018). Este modelo nos lembra dos custos sociais de uma transição tecnológica desenfreada e orientada para o capital.
5.3. Lições para Economias em Desenvolvimento
Os casos ilustram que o Capital Humano não deve ocorrer apenas no contexto da produção e não como um custo da automação, e sua importância, mas deve ser tratado como o principal determinante da Complementaridade.
Uma abordagem eficaz, como na UE, envolveu a aprendizagem ao longo da vida, combinada com a participação ativa do estado para trazer a requalificação à mesa para trabalhadores com direitos iguais (GILBERT, 2021).
A mensagem para as economias em desenvolvimento é clara — a falha em investir na educação sobre Complementaridade e habilidades de Intuição levará à estagnação econômica e desigualdade de crescimento onde o Capital Humano está cada vez mais em risco de competição global baseada em IA (MINAYO, 2014). A oportunidade de agir é limitada e exige políticas públicas ousadas e acionáveis de imediato.
6. Conclusões
O estudo atual não apenas confirmou a inevitabilidade da disrupção tecnológica impulsionada pela Inteligência Artificial, mas também expôs a fragilidade estrutural do Capital Humano diante da velocidade da automação. A crise de empregabilidade é uma manifestação direta do Gap de Habilidades (FGV IBRE, 2024), um abismo crescente entre as habilidades exigidas pela Nova Economia e o perfil da força de trabalho atual.
Esta reflexão no cerne é que a inteligência artificial está redefinindo o valor intrínseco em cada etapa do trabalho. O fenômeno da automação em tarefas rotineiras e a Inteligência Mecânica também se concentram em funções suscetíveis à automação; portanto, é necessária uma mudança urgente de um modelo de substituição humana para a Complementaridade Humano-Máquina (FMI, 2024).
O futuro do trabalho está nas mãos daqueles que dominam a Inteligência Intuitiva e Empática (HUANG; RUST, 2018) — habilidades que são por natureza imunes à replicação algorítmica. No entanto, o maior efeito é o surgimento do Dilema da Demanda Efetiva. A eficiência e produtividade geradas pela IA são uma miragem de prosperidade se a força de trabalho, desempregada ou mal remunerada, não puder consumir os bens e serviços produzidos.
Se a tecnologia destrói o poder de compra da massa salarial, o sistema entra em colapso, validando que a proteção social não é apenas ética, mas uma necessidade macro sistêmica (OIT, 2024). Para sustentar o crescimento impulsionado pela IA, é vital que líderes políticos e empresariais enfrentem a distribuição de riqueza, seja por meio de políticas fiscais ou Renda Básica Universal (ANDRADE JUNIOR, 2025).
Portanto, a conclusão é um chamado à ação: a IA é um espelho que nos mostra a urgência de tratar o Capital Humano não como um passivo a ser cortado, mas como o recurso soberano a ser investido e aprimorado (MCKINSEY, 2023). Na Quarta Revolução Industrial, a complementaridade não é uma opção estratégica, mas sim a base para a estabilidade social e econômica.
7. Referencias bibliográfica
ANDRADE JUNIOR, H. O futuro do trabalho e a nova distribuição de renda: IA, desigualdade e o dilema do capital. Rio de Janeiro: Editora Prospectiva, 2025.
BARDIN, L. Análise de Conteúdo. 3. ed. São Paulo: Edições 70, 2016.
FMI (FUNDO MONETÁRIO INTERNACIONAL). Gen-AI: Artificial Intelligence and the Future of Work. Washington, D.C.: FMI, jan. 2024. Disponível em: <[Insira aqui o link do relatório FMI 2024]>. Acesso em: 29 out. 2025.
FGV IBRE (FUNDAÇÃO GETULIO VARGAS. INSTITUTO BRASILEIRO DE ECONOMIA). O Gap de Habilidades e a Competitividade Brasileira na Era da IA. Rio de Janeiro: FGV IBRE, 2024. Disponível em: <[Insira aqui o link do relatório FGV IBRE 2024]>. Acesso em: 29 out. 2025.
GILBERT, D. M. Métodos e técnicas de pesquisa social. 5. ed. São Paulo: Atlas, 2021.
HOSTINGER. 27 tendências e estatísticas inteligência artificial em 2025. Kaunas: Hostinger, jan. 2025. Disponível em: <[Insira aqui o link da fonte Hostinger 2025]>. Acesso em: 29 out. 2025.
HUANG, M. H.; RUST, R. T. Artificial intelligence in service. Journal of Service Research, Thousand Oaks, v. 21, n. 4, p. 297–302, 2018.
MCKINSEY & COMPANY. The state of AI in 2023: generative AI’s breakout year. Nova Iorque: McKinsey, ago. 2023. Disponível em: <[Insira aqui o link do relatório McKinsey 2023]>. Acesso em: 29 out. 2025.
MINAYO, M. C. S. O desafio do conhecimento: pesquisa qualitativa em saúde. 14. ed. São Paulo: Hucitec, 2014.
OCDE (ORGANIZAÇÃO PARA A COOPERAÇÃO E DESENVOLVIMENTO ECONÔMICO). AI in education: policies for a disruptive future. Paris: OCDE Publishing, 2023. Disponível em: <[Insira aqui o link do relatório OCDE 2023]>. Acesso em: 29 out. 2025.
OIT (ORGANIZAÇÃO INTERNACIONAL DO TRABALHO). Generative AI and jobs: A Refined Global Index of Occupational Exposure. Genebra: OIT, maio 2024. Disponível em: <[Insira aqui o link do relatório OIT 2024]>. Acesso em: 29 out. 2025.
PwC (PRICEWATERHOUSECOOPERS). Global Artificial Intelligence Study: projections for economic impact 2025. Londres: PwC, 2025. Disponível em: <[Insira aqui o link do relatório PwC 2025]>. Acesso em: 29 out. 2025.
VOS, R. The systematic narrative review: a method for synthesising qualitative research. Journal of Research in Nursing, Thousand Oaks, v. 28, n. 4, p. 287–300, 2023.
