IA aumenta a produtividade em 40%? O que o estudo da PwC realmente mede

O que o estudo da PwC diz exatamente sobre produtividade e IA?

O relatório de 2026 da PwC afirma, em inglês, que "productivity growth is 40% higher at most vs least AI exposed companies" — o crescimento da produtividade é 40% maior nas empresas mais expostas à IA do que nas menos expostas (PwC, 2026 Global AI Jobs Barometer). A palavra que muda tudo é crescimento: o estudo compara ritmo de evolução, não o tamanho da produtividade de cada grupo.

A diferença entre as duas leituras não é preciosismo. "Ser 40% mais produtivo" descreve um estado: a empresa A produz 40% mais que a empresa B com a mesma equipe. "Crescer 40% mais" descreve um ritmo, e um ritmo pode partir de qualquer ponto. Duas empresas podem ter a mesma produtividade hoje e ritmos muito diferentes, ou ritmos iguais e produtividades muito distantes.

A imprensa brasileira publicou o dado na primeira forma. A reportagem que mais circulou aqui registra que empresas com maior exposição a IA "registram produtividade 40% superior às que usam menos a tecnologia" (CartaCapital, 11/09/2026). O número está certo; a grandeza que ele descreve, não.

De onde sai o número de 40%?

O 40% é a razão entre dois crescimentos acumulados desde 2018: 33,5% no quartil de setores mais expostos à IA e 24,0% no quartil dos menos expostos, medidos em 2025 (PwC, 2026 Global AI Jobs Barometer). Dividindo um pelo outro chega-se a aproximadamente 1,4 — ou seja, 40% a mais de crescimento.

Fonte: PwC, 2026 Global AI Jobs Barometer, análise sobre dados ORBIS.

Repare no que a tabela mostra e a manchete esconde: os dois grupos cresceram. O menos exposto à IA acumulou 24% de ganho em sete anos (PwC, 2026 Global AI Jobs Barometer). A diferença entre eles existe, triplicou desde 2022 e é o achado real do estudo, mas ela é de 9,5 pontos acumulados em sete anos, não de 40% de desempenho num dia de trabalho.

Como a PwC decidiu quais empresas são "expostas à IA"?

Pelo setor em que a empresa está classificada, não pelo que ela faz com IA. A metodologia do relatório atribui a cada empresa uma nota de exposição a partir do setor registrado na base ORBIS, e depois agrupa as empresas em quartis. O próprio documento dá exemplos: arquitetura e seguros aparecem entre os setores de alta exposição; mineração e tratamento de resíduos, entre os de baixa. Cada quartil reúne vários setores, não apenas esses.

Isso significa que uma seguradora que nunca abriu uma ferramenta de IA entra no grupo "mais exposto", e uma mineradora com um time de ciência de dados entra no grupo "menos exposto". A classificação é setorial porque medir uso real de IA empresa a empresa, em milhões de empresas, seria inviável. É uma escolha metodológica defensável, e o relatório a declara abertamente — mas ela muda o que a comparação pode provar.

Na prática, a comparação é entre setores, com todas as diferenças que os setores carregam junto: margem, intensidade de capital, ciclo econômico, exposição a commodity. Seguros e arquitetura cresceram mais que mineração e tratamento de resíduos entre 2018 e 2025 por muitos motivos, e a IA é um deles, não o único.

O estudo prova que adotar IA aumenta a produtividade?

Não, e o relatório não faz essa afirmação. Ele mostra uma associação consistente entre exposição setorial à IA e crescimento de produtividade, com a distância entre os grupos aumentando ano a ano. Associação forte é um bom motivo para investigar; não é a mesma coisa que causa demonstrada.

O que faltaria para virar prova de causa é o tipo de evidência que nenhuma base de balanços consegue dar: acompanhar empresas parecidas, no mesmo setor, em que umas adotam IA e outras não, controlando o que mais mudou no período. Enquanto isso não existe em escala, o honesto é dizer que o número descreve um padrão, e que o padrão é compatível com a hipótese de que a IA ajuda.

Uma observação de quem lê proposta comercial com frequência. Esse 40% já começou a aparecer em apresentação de fornecedor como se fosse retorno contratável, às vezes acompanhado de uma projeção do que a empresa deixaria de ganhar por não fechar naquele mês. Quando o número aparecer assim, vale uma pergunta só: esse ganho foi medido em empresas como a minha, ou em setores inteiros? A resposta costuma encerrar o assunto, e ela não depende de entender de IA.

O que o estudo mostra que é sólido?

Há três achados no relatório que resistem bem à leitura crítica, e eles contrariam o senso comum sobre IA e emprego.

A distância está aumentando. De 3,1 pontos em 2022 para 9,5 pontos em 2025. Seja qual for a causa, os setores mais expostos à IA vêm se descolando dos menos expostos num ritmo que não existia antes de 2022.

As empresas mais expostas contrataram mais, não menos. O crescimento do número de funcionários foi de 52% no grupo mais exposto contra 36% no menos exposto, e o crescimento salarial foi de 24% contra 17% (PwC, 2026 Global AI Jobs Barometer). Esses dois números saem da mesma base de balanços que a medida de produtividade, e não da análise de anúncios de emprego — que no relatório serve para estudar habilidades, não quadro de pessoal.

O ganho é muito desigual dentro do próprio grupo. Os 20% melhores das empresas mais expostas acumularam 163% de crescimento de produtividade, cerca de cinco vezes a média do grupo. Ou seja: mesmo entre empresas do mesmo setor e com a mesma exposição, o resultado varia enormemente. O que explica essa variação não está no setor — está no que cada empresa fez.

Esse último ponto é o mais útil para uma empresa média, e é o oposto do que a manchete sugere. Estar no setor certo não garante ganho nenhum. A VT Sávio parte daí em qualquer diagnóstico: antes de discutir ferramenta, procurar onde a operação perde tempo de forma medível, porque é essa medida que depois distingue resultado de impressão.

Como ler qualquer número de produtividade com IA

Três perguntas resolvem a maioria dos casos, e nenhuma delas exige conhecimento técnico.

1. Foi medido nível ou crescimento? "40% mais produtivo" e "cresceu 40% mais" são afirmações diferentes, e a segunda depende do ponto de partida.
2. O grupo comparado foi definido por uso ou por rótulo? Se as empresas foram classificadas por setor, tamanho ou autodeclaração, a comparação carrega tudo o que diferencia esses grupos, não só a IA.
3. Quem pagou o estudo vende a solução? Não invalida a metodologia, mas define quais perguntas foram feitas e qual achado ganhou a manchete. O relatório da PwC é de uma consultoria que vende projetos de IA, e isso está declarado.

Nenhuma dessas perguntas exige desconfiar do estudo. Elas servem para ler o que ele mediu, que costuma ser mais modesto e mais interessante do que a manchete.

Onde esta leitura pode estar errada

Este artigo foi escrito a partir do documento de achados globais do relatório de 2026, que é público. A PwC publica outras análises no mesmo estudo, incluindo recortes por país e por ocupação, e é possível que exista ali alguma medida de nível de produtividade que não aparece no documento consultado.

Também vale registrar o que não está em disputa: o relatório é transparente sobre a metodologia, declara a fonte dos dados e coloca a nota de rodapé sobre o que é produtividade na mesma página do gráfico. O problema de leitura não nasceu no relatório. Nasceu no caminho entre ele e a manchete, e é por isso que vale ir ao documento antes de decidir qualquer coisa com base num número.

Este artigo foi escrito a partir do 2026 Global AI Jobs Barometer da PwC e do anúncio oficial do relatório, com a repercussão brasileira registrada pela CartaCapital.