O que acontece quando a IA define os salários

A IA generativa está deixando de redigir e-mails para moldar os mercados de trabalho. Em plataformas como Fiverr, Freelancer.com e Upwork, milhões de trabalhadores dependem de taxas horárias para competir por empregos. Como a IA influencia cada vez mais as recomendações de preços, os líderes empresariais enfrentam uma questão crítica: Os modelos de linguagem ampla (LLMs) tomam essas decisões de preços de forma justa? Ou eles perpetuam os mesmos vieses e desigualdades que há muito tempo atormentam os mercados de trabalho humanos? Em um estudo recente, realizamos um experimento em grande escala em que alimentamos 60.000 perfis de freelancers em oito LLMs amplamente usados, pedindo a cada modelo que recomendasse uma taxa por hora. Em seguida, testamos como diferentes abordagens de prompt afetavam o possível viés, instruindo os modelos a considerar ou ignorar atributos específicos não relacionados a habilidades, como gênero, local e idade. Em todas as variações, geramos quase 4 milhões de decisões salariais de IA por meio de consultas à API. Resumo da pesquisa Escopo. Usamos 60.000 perfis de um mercado líder em seis categorias: contabilidade e escrituração, desenvolvimento full-stack, assistência virtual geral, análise de dados, design gráfico e marketing de mídia social. Cada perfil incluía serviços, habilidades, experiência e localização. Modelos. Foram promptados oito LLMs: GPT-4.o, GPT 4.0-mini, Gemini 1.5 Flash, Gemini 2.5 Flash, Claude 3.7 Sonnet, GPT-5 Mini, DeepSeek-R1 e Llama 3.1 405B. O prompt da linha de base pediu que recomendassem uma taxa horária em dólares americanos com base em um detalhe do perfil. Design. Criamos duplicatas controladas que variavam apenas um atributo não relacionado à habilidade de cada vez - gênero, região geográfica ou idade - enquanto mantínhamos todos os outros conteúdos constantes. Em seguida, introduzimos variantes de prompt que: a) solicitavam que os modelos considerassem o atributo; b) solicitavam que o ignorassem; ou c) impunham uma postura forte e explícita. O que descobrimos A IA aumenta os preços. De modo geral, a IA fixou preços mais altos para os freelancers do que os humanos. A taxa média definida por humanos foi de US$ 23,60 por hora. As recomendações geradas pela IA eram muito mais altas, variando de US$ 30 a quase US$ 46, dependendo do modelo. Essa inflação de preços apresenta um paradoxo estratégico. À primeira vista, os salários inflacionados podem parecer benéficos para os freelancers. Entretanto, preços mais altos não significam automaticamente melhores resultados. Se os clientes se recusarem a aceitar taxas inflacionadas, os trabalhadores podem acabar tendo menos oportunidades. Para os empregadores, essa mudança significa que a adoção de ferramentas salariais baseadas em IA pode, inadvertidamente, aumentar os custos de contratação ou distorcer as expectativas do mercado. O preconceito de gênero não era um problema. Uma de nossas principais perguntas era se a IA subvalorizaria as trabalhadoras em comparação com os homens. Surpreendentemente, a resposta foi não. Na verdade, em centenas de milhares de testes, não encontramos diferenças salariais significativas com base no gênero. Mesmo quando pressionamos os modelos, solicitando explicitamente que levassem em conta o gênero, continuamos a não observar nenhuma diferença salarial entre os sexos. Somente sob instruções altamente tendenciosas os modelos de IA produziram disparidades baseadas em gênero e, nesse caso, eles tenderam a compensar excessivamente as mulheres, dando-lhes salários mais altos do que aos homens. Esse é um raro ponto positivo. Pelo menos em termos de gênero, os LLMs atuais talvez já estejam ajustados para evitar a discriminação baseada em gênero. A geografia ainda gera grandes lacunas. A localização, entretanto, contou uma história diferente. Tomemos como exemplo dois perfis idênticos: um baseado nos EUA e o outro nas Filipinas. O freelancer dos EUA recebeu uma taxa média recomendada pela IA de US$ 71. O freelancer das Filipinas? Apenas US$ 33. Mais de 50% menor! O que é ainda mais impressionante é que, quando mudamos o campo de localização do mesmo freelancer filipino para "EUA", sua taxa recomendada mais do que dobrou. Esse padrão se repetiu em vários países. Os trabalhadores de regiões ricas sempre receberam salários mais altos impulsionados pela IA do que os colegas igualmente qualificados de regiões de baixa renda. É interessante notar que podemos alterar esse resultado usando intervenções estratégicas de prompt. Quando instruímos explicitamente os modelos a não considerarem a localização geográfica em suas recomendações, as disparidades diminuíram drasticamente. Em alguns casos, a diferença salarial entre freelancers sediados nos EUA e nas Filipinas caiu em mais da metade. O viés da idade favoreceu os trabalhadores mais velhos. A idade acabou sendo outra fonte de preconceito. O preço de um freelancer de 60 anos era quase 46% mais alto do que o de um freelancer de 22 anos e 8,1% mais alto do que o de um freelancer de 37 anos com o mesmo perfil. No entanto, ao contrário do que ocorreu com a geografia, nossas intervenções rápidas quase não tiveram efeito. Dizer ao modelo para "ignorar a idade" pouco fez para diminuir a diferença. Isso sugere que as suposições relacionadas à idade podem estar profundamente incorporadas nos dados de treinamento e, portanto, mais difíceis de serem eliminadas simplesmente com o design do prompt. O que os prompts podem e não podem fazer Um dos insights mais encorajadores veio do teste de diferentes maneiras de instruir os modelos. Quando os instruímos a ignorar a localização, as disparidades diminuíram drasticamente. Em alguns casos, a diferença salarial entre os EUA e as Filipinas caiu de mais de 100% para apenas 25%. No entanto, com a idade, nenhuma quantidade de ênfase no prompt pareceu mudar os resultados. Isso destaca um ponto crítico para os líderes. Os prompts podem moldar o comportamento da IA, mas apenas até certo ponto e em determinadas situações. Alguns vieses são mais fáceis de mitigar do que outros. Para empregadores e plataformas, isso significa que o design do prompt não é apenas um detalhe técnico; é uma alavanca de governança que pode reforçar ou reduzir a desigualdade. Além dos freelancers Em um estudo de acompanhamento, exploramos se esses padrões se mantêm no contexto de salários anuais para empregos de tempo integral em vez de taxas horárias para freelancers. A história foi basicamente a mesma em termos de gênero e geografia: Nenhum viés sistemático por gênero, mas disparidades persistentes com base na localização. A idade, no entanto, inverteu-se. Enquanto os freelancers com 60 anos de idade tinham preços mais altos do que seus colegas mais jovens, com 30 e 20 anos, os LLMs, curiosamente, favoreciam os trabalhadores em tempo integral com 30 e poucos anos em relação às duas outras faixas etárias. Por quê? Uma explicação é que a IA parece tratar os salários de forma diferente dependendo do vínculo empregatício (freelancer vs. tempo integral). No caso dos freelancers, a compensação pode ser vista como uma despesa única (em vez de um investimento em um relacionamento de longo prazo), em que uma maior experiência gera um prêmio. Para os funcionários de tempo integral, os salários se assemelham a um investimento. Os trabalhadores de meia-idade (trabalhadores de 37 anos) podem ser vistos como tendo experiência e longevidade, o que os torna mais atraentes para os empregadores. Essa distinção sutil também ressalta que os LLMs podem separar a idade da experiência de trabalho, um sinal de que esses sistemas não estão apenas copiando a heurística humana, mas aplicando o raciocínio dependente do contexto de maneiras que merecem um exame minucioso. O que isso significa para freelancers, empregadores e plataformas Os freelancers devem saber que a IA pode aumentar suas taxas recomendadas. Isso pode ser uma moeda de troca, mas também um risco se o preço ficar fora do alcance dos senhores. Nos mercados globais, aqueles que estão fora dos países desenvolvidos podem querer pensar cuidadosamente sobre a quantidade de dados de localização que revelam. Os empregadores devem tratar as sugestões salariais da IA como recomendações, não como autoridade. Caso contrário, correm o risco de pagar sistematicamente a mais para alguns trabalhadores e subvalorizar outros com base em atributos que não sejam de habilidade. As plataformas que incorporam IA em seus mecanismos de precificação enfrentam escolhas difíceis de design. Elas precisarão de camadas de governança - auditorias rápidas, requisitos de transparência e, possivelmente, processos de apelação dos trabalhadores - quando as taxas baseadas em IA parecerem discriminatórias. Os formuladores de políticas devem observar: a precificação orientada por LLM não é neutra. As disparidades baseadas na geografia e na idade sugerem a necessidade de atenção regulatória. Exigir a pronta divulgação, esclarecer os atributos protegidos e exigir transparência voltada para o trabalhador podem estar na mesa. . . . A TI generativa não está mais apenas automatizando textos; ela está moldando salários, meios de subsistência e acesso a oportunidades. Se não forem controlados, esses sistemas correm o risco de reforçar, ou até mesmo ampliar, as desigualdades globais. A conclusão é simples, mas urgente: A definição de salários com base em TI pode ser mais justa, mas somente se a projetarmos e a governarmos dessa forma.

O que acontece quando a IA define os salários

Resumo.

Partner Center